欢迎来到天天文库
浏览记录
ID:55398676
大小:286.86 KB
页数:8页
时间:2020-05-15
《基于Kmeans算法的模糊时间序列预测模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第17卷第1期应用泛函分析学报Vo1.17,No.12015年3月ACTAANALYSISFUNCT10NALISAPPLICIIAMar.,2015DOI"10.3724/SP.J.1160.2015.00058文章编号:1009-1327(2015)01—0058—08文献标识码:A基于Kmeans算法的模糊时间序列预测模型王国徽,姚俭(上海理工大学管理学院,上海200093)摘要首先,提出了基于Kmeans算法的非等分论域划分方法.其次,针对传统数据模糊化存在的不足,对数据模糊化方法进行了改进.最后,将模型应用于对上海市
2、消费价格总指数的预测,并通过与现有方法进行对比,验证了模型的有效性.关键词模糊时间序列;非等分论域划分;数据模糊化中图分类号029ForecastingModelofFuzzyTimeSeriesBasedonKmeansAlgorithmWANGGuohui,YAOJian(BusinessSchool,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)AbstractFirstofall,thispaperputsforwardthetheor
3、yofunequal—sizedintervalspartitioningbasedonKmeansalgorithm.Secondly,aimingattheshortageofthetraditionaldatafuzzification,fuzzymethodisimprovedondata.Finally,themodelisappliedinpredictingthetotalconsumerpriceindexinShanghai,andcomparedwithexistingmethods,verifytheva
4、lidityofthemode1.Keywordsfuzzytimeseries;unequal—sizedintervalspartitioning;fuzzydataChineseLibraryClassification0290引言预测在人类生产和生活中扮演了一个很重要的角色,由于时间序列数据是普遍存在的,因此时间序列分析被广泛应用于经济、金融、自然科学等领域.时间序列分析往往依赖大量的历史数据,而由于数据收集的误差、时间的延迟或者变量之间的相互作用,使得其数据往往是不确定的、不完整的,若继续使用传统的时问序列分析进行预
5、测,则可能会影响模型预测的准确性.收稿日期:2014—07-20作者简介:王国徽(1991一),男,汉,安徽人,硕士研究生,研究方向:模糊系统理论,系统工程,E.mail:yimo18@126.com;姚俭(1960-),男,汉,上海人,教授,博士,研究方向:模糊系统理论,系统工程,E.mail:yao.jian~usst.edu.cn.第1期王国徽等:基于Kmea~s算法的模糊时间序列预测模型591965年,Zadeh首次提出了模糊集理论,用于处理不确定性问题.1993年,Song等以模糊集理论为基础最早提出了模糊时间序列概
6、念,并提出了包含四个步骤的预测模型,用于美国Al—abama大学新生入学预测问题[1-3J.此后,大量的研究致力于论域划分、数据模糊化和模糊关系建立等,从而提高预测准确度和减少计算复杂度.在模糊时间序列最初研究阶段,大量研究都局限在等间隔论域的划分方法上.之后,随着研究的深入,有学者意识到论域划分间隔对预测结果有极大影响,提出了非等分论域方法,如基于FCM算法的论域划分方法【4J、比率论域划分方法f】等.因此,本文建立了基于Kmeans算法的非等分论域划分的模糊时间序列模型,并针对传统数据模糊化存在的不足,对数据模糊化方法进行
7、了改进.1模糊时间序列概念定义1令为论域,将论域划分为n个子区间,则U:{1,U2,⋯,u).定义为论域上的模糊集,并记为‘JrfA(Un)f1)=:一_+t一一1+一·.·.·.1+一一——I1J1U2n其中,A为定义在模糊集A上的隶属函数,fA:U一【0,1】;fA(ut)为在模糊集A上的隶属度,且,A(ut)∈【0,1],0i佗.定义2令R中一子集Y(t)(t:0,1,⋯)为给定论域,fi(t)(i:1,2,⋯)为定义在论域上的模糊集合,F(t)为fi(t)(i=1,2,⋯)组成的集合,则称F(t)为定义在Y(t)(t=
8、0,1,⋯)上的模糊时间序列.定义3假设F(t)由F(t一1),⋯,F(t—m)确定,有F(t)=(F(t一1)×·一×F(t—m))oR(t,t—m),其中m1,×为笛卡儿积,称作F(t)的m阶模型,R(t,t一仇)为F(t-1)F(t-2)⋯F(t—m)与F(t)之间的模
此文档下载收益归作者所有