WFAR模型在时间序列预测中的应用

摘要：

随着模糊集合理论应用的不断广泛深入,为深刻研究时间序列数据状态波动的依赖关系,提出了模糊自回归时间序列预测模型,更适合解决复杂依赖关系且带有缺失、含糊、不准确等现象的时间序列预测问题.模型采用模糊聚类的方法对论域进行划分建立模糊集,并根据历史数据抽取模糊规则.利用自相关性确定数据状态间的依赖关系,通过马尔科夫转移概率抽取状态转移信息.模型既考虑了数据状态间的相互作用关系,又兼顾了状态转移频率的影响,进而达到提高预测质量的目的.实验部分将Alabama大学入学人数作为实验数据,以均方误差作为衡量标准,经过比较提出模型的预测质量明显优于传统模糊时间序列预测模型,说明了模型的可行性和有效性.

关键词：时间序列、模糊规则、模糊聚类、预测

所属期刊栏目：37

分类号：O224(运筹学)

资助基金：国家自然科学基金资助项目11201313;辽宁省科技厅自然科学基金资助项目20170540821

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：49-53