基于組合算法的預(yù)測方法分析與研究.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、預(yù)測與人們的生活息息相關(guān),在日常的現(xiàn)實生活中已經(jīng)處于不可或缺的重要地位。比如天氣預(yù)報、股市預(yù)測等等,它關(guān)系到人們生產(chǎn)生活的各個方面。時間序列的預(yù)測是預(yù)測研究的重要領(lǐng)域。分析數(shù)據(jù)之間的聯(lián)系,找出它們之間的相關(guān)規(guī)律,建立一定的數(shù)學(xué)模型去擬合這么規(guī)律,是定量預(yù)測的基本方法。傳統(tǒng)的時間序列預(yù)測方法比較單一,缺乏靈活性,而且對數(shù)據(jù)的平穩(wěn)性要求比較高,只適用于線性平穩(wěn)的時間序列預(yù)測。但是在現(xiàn)實生活中存在的數(shù)據(jù)往往是大量的非線性數(shù)據(jù),這就要求人們?nèi)?/p>

2、找更好的預(yù)測方法。
  本文提出了對于處理非線性問題有著更好效果的灰色理論和神經(jīng)網(wǎng)絡(luò)兩種方法,并基于預(yù)測度最高的原則提出了組合預(yù)測。組合預(yù)測可以克服單一模型的缺點,達到更高的預(yù)測精度。本文介紹了傳統(tǒng)時間序列預(yù)測方法、灰色模型、神經(jīng)網(wǎng)絡(luò)、組合模型的基本理論以及數(shù)據(jù)分析預(yù)測。
  首先,文章提出了三種預(yù)測方法:AR模型、灰色GM(1,1)模型、灰色神經(jīng)網(wǎng)絡(luò)模型。其中神經(jīng)網(wǎng)絡(luò)用的是動態(tài)的Elman神經(jīng)網(wǎng)絡(luò)模型。分別對樣本數(shù)據(jù)進行預(yù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論