智慧型时间序列预测研究-以复数模糊类神经为方法.pdf

行政院國家科學委員會專題研究計畫 成果報告 智慧型時間序列預測研究-以複數模糊類神經為方法 研究成果報告(精簡版) 計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 99-2221-E-008-088- 執 行 期 間 ：99年08月01日至 100年07月31日 執 行 單 位 ：國立中央大學資訊管理學系 計 畫 主 持 人 ： 李俊賢 報 告 附 件 ： 出席國際會議研究心得報告及發表論文 處 理 方 式 ： 本計畫涉及專利或其他智慧財產權，2年後可公開查詢 中 華 民 國 100 年 10月 22 日 █成果報告 行政院國家科學委員會補助專題研究計畫 □期中進度報告 智慧型時間序列預測研究 -以複數模糊類神經為方法 計畫類別： █個別型計畫 □整合型計畫 計畫編號： NSC99-2221-E-008-088 － 執行期間：2010 年8月 1日至 2011 年7月 31日 執行機構及系所：國立中央大學資訊管理學系 計畫主持人： 李俊賢副教授 計畫參與人員：江泰緯 ,林傳維鄭馨惠, 成果報告類型(依經費核定清單規定繳交 ) ：█精簡報告 □完整報 告 本計畫除繳交成果報告外，另須繳交以下出國心得報告： □赴國外出差或研習心得報告 □赴大陸地區出差或研習心得報告 █出席國際學術會議心得報告 □國際合作研究計畫國外研究報告 處理方式：除列管計畫及下列情形者外，得立即公開查詢 □涉及專利或其他智慧財產權，□一年█二年後可公開查詢 中 華 民 國 100 年 10 月 22 日 1 摘要 本研究提出一個複數模糊類神經系統（Complex neuro-fuzzy system, CNFS ），該 系統結合複數模糊集合、類神經模糊系統以及 差分自回歸移動平均模型 （Autoregressive integrated moving average, ARIMA ），形成 CNFS-ARIMA 模型 並應用於時間序列預測之研究。為了更新 CNFS-ARIMA模型之參數，本研究提 出一個複合式進化式學習演算，其結合粒子群最佳化演算法與遞迴最小平方估計 之學習方法；其中，粒子群最佳化演算法用來調整複數模糊類神經系統之前鑑部 參數，而遞迴最小平方估計用以更新改系統的後鑑部參數。為了測試本研究所提 出之方法的效能，使用兩個標竿時間序列資料集作為實驗範例。在實驗中，將比 較並分析本研究所提出之 CNFS (複數型) 以及其傳統的NFS 實數型( ) 之效能差 異，並與文獻所提出之方法進行比較。由實驗結果可證實本研究所提出之系統方 法可以獲得良好的效能。 關鍵字 :複數模糊集合 ，複數模糊系統 ，複合式學習演算法 ，粒子群最佳化演算法 ，遞迴小平 方估計法，時間序列預測 。 Abstract A Complex neuro-fuzzy system, using complex fuzzy sets (CFSs), neuro-fuzzy theory, and autoregressive integrated moving average (ARIMA) model, is proposed to