基于模糊逻辑关系组的时间序列模型改进精选.pdfVIP

第38卷 第4期 应 用 数 学 学 报 Vo1．38No．4 2015年 7月 ACTA MATHEMATICAEAPPLICATAESINICA July，2015 基于模糊逻辑关系组的 时间序列模型改进 张志强 (厦门大学经济学院统计系，厦门361005) (E—mail：jsxzx06@xmu．edu．ca) 朱 琼 (厦门大学数学科学学院，厦门361005) (E—mail：516191479@qq．corn) 摘 要 1993年 Song首次建立基于模糊逻辑关系组的时间序列预测模型，从而有效地解决了 语言数据或具有模糊不确定性数据的预测问题，但至今在论域划分及模糊逻辑关系的阶数确定 问题上依然存在不足．为此本文引入模糊熵确定最优聚类数 目来划分论域，其次借助时间序列 自相关函数解决了模糊逻辑关系的阶数确定问题，最后引入灰色理论于模糊时间序列模型中， 利用灰色残差模型对模糊时间序列模型的预测值进行了修正．研究发现本文方法的预测精度均 优于现有模型，并利用台湾机械行业产品价值数据进行了实证检验，效果显著． 关键词 模糊熵；模糊逻辑关系；灰色残差 GM(1，1) MR(2000)主题分类 62M10 中图分类 0212．1 1 引言 传统时间序列预测理论发展到今天已形成了一套完整的理论体系，但随着对时间 序列研究的不断深入，由于数据收集的误差、时间的延迟或变量之间的交互影响，使得 单一度量的数值，在形式上看似一个精确值，而实际上所隐含的却是某一区间范围的 可能值或者数据本身就是一组语言数据，造成了数据本身具有模糊不确定性．在这种情 况下，如果仍用传统模型以解释时间序列数据域走势，可能会产生模型过度拟合的危 本文 2013年 10月 30日收到．2013年 11月 24日收到修改稿． 国家社会科学基金项 目重大项目(13ZD148)，计“量经济学”教育部重点实验室 (厦门大学)；福建省统计学重点 实验室资助． 4期 张志强，朱琼：基于模糊逻辑关系组的时间序列模型改进 651 险．1993年，Song[]首次建立基于模糊逻辑关系组的时间序列预测模型，从而有效地 解决了具有模糊不确定性数据的预测问题，广泛应用在医学、保险、新生入学人数的预 测、气温预测、客运流量、景点的旅游人数预测、证券及外汇市场的预测等 [2-5]．经过 多年的研究论证模糊时间序列模型中论域确定及论域划分、语言值个数选取、数据模糊 化、模糊逻辑关系的构建、预测值的修正是提高模型预测精度的重要部分，倍受学者的 关注．1993年 Song根据样本原始数据中的最大值、最小值，分别向下、向上取整来确 定模型的论域，直到 2004年 Lee[。】在他的模型中使用样本原始数据的差分数据作为论 域；之后 2009年 Stevenson[】认为仅仅是差分不能反映增加或减少发生的背景，他提出 使用相邻两年的变化率数据作为论域，研究结果显示明显提高了模型的预测精度．但在 论域划分的研究成果中还存在不足，大多数模糊时间序列模型中是根据论域的大小，人 为随机地取一个整数作为区间的长度，直到 2001年 Huarng[。】提出基于分布距离和平 均距离这两种算法对论域区间进行划分，实验数据表明这两种算法简单有效，相对于随 机选取区间长度的论域划分预测精度得到很大提高，但其缺点是会得到相当数 目的区 间，得到的区间所对应的模糊集在语言解释上牵强，不容易用人们的自然语言描述其差 异并且间隔长度的确定对预测结果有着很大的影响．2006年Huarng0[】对 自己的工作 进行了改进，提出一种基于比率的论域划分方法．2010年 Chi[10]使用聚类技术对数据 进行分析，然后根据聚类结果确定各子区间的划分． 2011年 Tsaur[]利用数据在论域 内的分布对论域间隔进行划