基于结构元最小二乘序的模糊线性回归.pdf

第 29卷第 1期 模 糊 系 统 与 数 学 Vo1．29。No．1 2015年 2月 FuzzySystemsandMathematics Feb．，2015 文章编号 ：1001—7402(2015)01—0126—08 基于结构元最小二乘序 的模糊线性回归 任 燕 ，郭嗣琮 (1．辽宁工程技术大学 理学院，辽宁 阜新 123000； 2．河南理工大学 数学与信息科学学院，河南 焦作 454000) 摘 要 ：在具有模糊观测数据的线性 回归问题 中，通过定义模糊序指标实现模糊数的排序 ，借助经典最 小二乘法原理，给 出了使平方误差和在此排序方法下达到最小的模糊 回归系数最小二乘序估计方法。三 个例子的结果表明，文中的最小二乘方法能很好 的对输入和输 出为模糊数 ，回归系数为精确值 的回归模 型进行估计 ，更重要 的是 ，此方法不仅 对三角模 糊数 适用 ，对其他 类型 的模糊观测数据也适 用。 关键词 ：模糊 回归；模糊结构元 ；模糊序指标 ；模糊最小二乘序 中图分类号 ：0159 文献标识码 ：A 1 引言 线性 回归模型的一般形式为 ：Y— 。+ X + … + +e，这里，X (一 1，…，尼)及y均为实 变量。当观测变量的不确定性不是由概率分布给出，而是由可能性分布或是 由隶属函数确定，相应的回 归模型称之为可能性线性 回归模型或模糊线性 回归模型。模糊线性 回归的概念是 2O世纪 8O年代 Tanaka等 提出的。之后 ，这一领域引起 了许多学者的注意并产生了许多新方法 。模糊回归模型大体上 分为Tanaka方法和模糊最小二乘方法两类。 Tanaka方法 的优点在于程序设计和计算上的简单性 ，但是 ，正如 Redden和Wooda11在 [2]中指出 的那样，这些方法对奇异数据非常敏感 ，同时随着模型中观测数据 的增加 ，输出变量的估计值 的模糊度 将增大，这与我们的直觉是相矛盾的。最小二乘 (LS)估计方法被广泛的应用于传统 的回归分析中，模糊 线性 回归的最小二乘估计 (FLS)方法 由P．Diamond提 出口，FLS的求法与传统的LS估计方法类似，它 的优点主要体现在观测数据和估计值之间的模糊度的最小性 ，但这种方法的计算相对 比较复杂 ，同时也 没有克服上面谈 到的Tanaka方法各种缺点。 模糊结构元理论 成功避免了扩张原理表述上的遍历性所带来 的运算 困难 ，建立 了模糊数运算 以及模糊值函数微积分运算的解析表达等一系列问题 。本文主要考虑一类观测数据为模糊数 ，回归系数 为精确数值的模糊回归分析问题 。首先用结构元方法解决观测数据的表述问题 ，并利用模糊结构元方法 定义了模糊数的排序 ，在传统的最dxZ-乘估计思想的基础上 ，提出了回归系数最小二乘序的估计方法 ， 计算上相较 以前的各种模糊 回归的方法简单，同时避免了随着模型中观测数据的增加，输出变量的估计 值的模糊度增大的问题 。 * 收稿 日期：2013—09—12；修订 日期 ：2013-12-04 基金项 目：教育部高校博士学科点专项科研基金资助项 目(20102121110002) ． ． ， ． ， 作者简介：任燕(1976一)，女，河南焦作人，河南理工大学数学与信息科学学院讲师，辽宁工程技术大学理学院博士研究生，研寒方 向：模糊须-痢与决录I郭嗣琮(1951一)，男，吉林白城人，辽宁工程技术大学理学院教授，博士生导师，研究方向：模糊分析，模糊预测与决策 等。 第 1期 任燕 ，郭嗣琮 ：基于结构元最小二乘序 的模糊线性 回归 127 2 模糊结构元的基本原理 模糊结构元 E是实数域R上的模糊集[5]，其隶属函数记为E(z)(z∈尺)满足下述性质 ： (1)E(0)一