[发明专利]基于矢量量化的长期直觉模糊时间序列预测方法

说明书

技术领域

本发明涉及的是一种基于矢量量化的长期直觉模糊时间序列预测方法。

背景技术

时间序列是指随时间变化的具有随机性且前后相互关联的动态数据序列，时间序列分析是随机数学一个重要的应用分支，它是用概率论与数理统计的方法从序列历史数据中提取有关信息，揭示时间序列本身的结构特征，从而掌握序列数据间的关联规律，用序列的过去值来预测和控制将来值^[1]。模糊时间序列分析是将序列变量设定为模糊数，利用模糊推理进行时间序列预测的科学理论。由于能较好地处理含糊和不完整的模糊信息，模型具有较强的鲁棒性和兼容性，模糊时间序列预测得到了学术界和工程技术领域的广泛关注，并与其他优化理论相融合诞生了多种改进算法，有效地提高了时间序列预测的精度^[2-8]。然而，随着模糊时间序列预测理论的日趋成熟，其局限性也逐渐凸现：普通模糊集隶属度单一不能有效描述和表征序列数据的实时模糊变化趋势；等间距论域区间划分无法反映连续数据分布不均匀的特性；处理模糊时序间的逻辑关系时，常常伴随多个不确定的模糊状态，系统预测精度会随之降低；模糊时间序列预测大多局限于短期时间范围预测，即使少数模型尝试进行长期预测，却均是基于多输入单输出的映射，为不同时间范围建立不同的模型，这样不仅增加了系统复杂度，忽略了预测值之间的随机依赖性且易造成误差积累。事实上，在一个长期时间序列预测步骤中能够同时获取多个预测值，形成一个预测矢量，若利用矢量量化方法必将有助于解决长期时间序列预测的具体应用问题。

参考文献

[1]K.P.Harikrishnan，R.Misra，G.Ambika.Revisiting the box counting algorithm for the correlation dimension analysis of hyperchaotic time series[J].Communications in Nonlinear Science and Numerical Simulation，2012，17(1)：263-276.

[2]Q.Song，B.S.Chissom.Forecasting enrollments with fuzzy time series：Part I[J].Fuzzy Sets and Systems，1993，54(1)：1-9.

[3]Shiva Raj Singh.A computational method offorecasτing based on high-orderfuzzy time series[J].Expert Systems withApplications，2009，36(7)：10551-10559.

[4]Enjian Bai.A heuristic time-invariant model for fuzzy time series forecasτing[J].Expen Systems with Applications，2011，38：2701-2707

[5]Own C M，Yu P T.Forecasting Fuzzy Time Series on a Heu-ristic High-Order Model[J].Cybemetics and Systems，2005，36(7)：705-717.

[6]Sheng Tun Li.Deterministic vector long-term forecastingfor fuzzy time series[J].Fuzzy Sets and Systems，2010，161：1852-1870

[7]Li S.T.，Cheng Y.C.Deterministicfuzzy time series model for forecasting enrollments[J].Computers&Mathematics with Applications，2007，V53(12)：1904-1920.

[8]Li S.T.，Cheng Y.C.，Lin S.Y.A FCM-based deterministic forecasting model for fuzzy time series[J].Computers&Mathematics with Applications，2008，V56(12)：3052-3063.