基于自相關(guān)函數(shù)的模糊時間序列模型的優(yōu)化算法.pdf

1、由于模糊時間序列模型在處理語言值是不完整、不確定的問題上所顯示出的優(yōu)勢，受到越來越多的研究者的關(guān)注。目前，模糊時間序列已被應(yīng)用于預(yù)測景點旅游人數(shù)、溫度預(yù)測、股指預(yù)測、網(wǎng)絡(luò)用戶數(shù)量和腎綜合征出血熱發(fā)病率等方面。許多學(xué)者為了提高模糊時間序列模型預(yù)測精度，提出了不同的模糊預(yù)測方法，大多數(shù)方法重點都在改進(jìn)論域劃分和模糊規(guī)則兩方面。
　　模糊時間序列是由經(jīng)典時間序列轉(zhuǎn)化而來的，而經(jīng)典時間序列必然涉及到數(shù)據(jù)間的相關(guān)性，通過數(shù)據(jù)的模糊化依然不能

2、改變這種相關(guān)性，因而導(dǎo)致模糊時間序列模型中模糊規(guī)則的前件對后件的影響是不同的。針對模糊時間序列模型中模糊推理規(guī)則研究沒有涉及到時間序列的相關(guān)性理論，本文提出了一種時間序列的自相關(guān)理論與模糊時間序列相結(jié)合的新算法。
　　該算法首先進(jìn)行數(shù)據(jù)平穩(wěn)化，若時間序列均值非平穩(wěn)，采用差分變換把樣本平穩(wěn)化;若方差非平穩(wěn)，采用對數(shù)變換;若均值和方差都不平穩(wěn)，則先采用對數(shù)變換，再采用差分變換將非平穩(wěn)過程轉(zhuǎn)換為平穩(wěn)過程;然后運用傳統(tǒng)的數(shù)據(jù)模糊化方法得到