組合預測技術(shù)及其應用.pdf

1、到目前為止，關(guān)于預測的理論和方法已經(jīng)有很多，但每一種單一預測模型都只是從某一個側(cè)面去刻畫數(shù)據(jù)序列的規(guī)律，都只反映序列的部分信息，都有其局限性。如果綜合運用多種預測的理論進行組合預測，優(yōu)勢互補，最大程度地利用現(xiàn)有信息，就有望獲得更好的預測效果。 灰色預測模型最大的特點就是少數(shù)據(jù)建模。在信息不完全、信息不明確的條件下，灰色預測模型有其獨特的優(yōu)勢。但是，灰色預測模型也有其固有的缺陷。首先，其預測圖形是一條較為平滑的曲線，它刻畫了事物發(fā)

2、展的趨勢，但沒有考慮事物發(fā)展的隨機波動性，它利用少數(shù)據(jù)建模，但如果完全忽略事物發(fā)展的整體態(tài)勢，完全忽略較早以前的數(shù)據(jù)包含的信息，也是不可取的；其次，灰色預測模型是建立在經(jīng)驗風險最小化準則基礎(chǔ)之上的，不可避免地存在過擬合問題。 針對前一個問題，我們可以運用灰色馬爾可夫組合模型來解決。馬爾可夫預測模型適用于波動比較大的數(shù)據(jù)預測，狀態(tài)轉(zhuǎn)移矩陣能夠很好地刻畫數(shù)據(jù)的波動信息。運用馬爾可夫模型去挖掘數(shù)據(jù)所包含的整體波動信息，并用它去修正灰色

3、預測模型的預測結(jié)果，通過兩種模型的組合預測，來提高預測的精度。 針對灰色模型的第二個問題，本文提出基于支持向量機參數(shù)識別的灰色預測模型，用基于結(jié)構(gòu)風險最小化準則的支持向量機方法去求取灰色模型的參數(shù)，再用灰色模型計算預測值，這樣就可以避免過擬合問題，提高模型的推廣能力。 通過組合預測來提高預測精度的另一種思路是，將幾種單一預測模型的預測結(jié)果進行加權(quán)組合，得出最終的預測結(jié)果，這又有多種不同的方法。由于神經(jīng)網(wǎng)絡(luò)具有強大的非線性