基于狼群算法的模糊时间序列预测模型研究

发布时间：2023-02-20 20:34

　　随着现代社会科学技术的飞速发展、人类生活水平的不断提高,预测在人类生活中发挥的作用也越来越大。传统的时间序列预测模型对数据的要求十分严格,不但不能处理用语言值表示的数据,而且对小规模数据集的预测效果也很不理想,因此,传统的时间序列模型将不能满足人们生活的需要。为了解决这个问题,模糊时间序列模型应运而生,对模糊时间序列模型的研究具有重要意义。本文以提高模糊时间序列模型的预测精度为目标,将从两个方面对模型进行改进:其一,引入狼群算法(WPA)并对其进行了改进,用于优化论域区间的划分。其二,引入有序加权平均(OWA)算子,提出更合理的模糊预测方法。在应用上,将改进后的模型应用于两个典型的数据集上,取得了不错的效果。具体如下:第一,在WPA的改进方面,为了提高WPA算法的优化精度、加快WPA算法的收敛速度,在其游走行为中引入细菌觅食算法(BFO)的趋向行为,使得人工狼能够更快寻得最优目标值;为了加强WPA算法跳出局部极值的能力,在其游走行为中引入BFO算法的迁徙行为,综上提出了一种改进狼群算法(Hybrid Wolf Pack Algorithm,HWPA),通过实验仿真证实了HWPA算法的收...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文的主要工作
    1.4 论文章节安排
第2章 模糊时间序列的理论基础
    2.1 时间序列基本知识
        2.1.1 时间序列的基本概念
        2.1.2 时间序列的特点
        2.1.3 时间序列的分类
        2.1.4 时间序列预测
    2.2 模糊理论基本知识
        2.2.1 模糊集的概念
        2.2.2 模糊集的表示方法
        2.2.3 模糊隶属度函数
        2.2.4 模糊关系
    2.3 模糊时间序列基本知识
        2.3.1 模糊时间序列概述
        2.3.2 模糊时间序列预测模型
    2.4 本章小结
第3章 基于细菌觅食算法的狼群算法(HWPA)
    3.1 狼群算法(WPA)
        3.1.1 WPA的行为和规则描述
        3.1.2 WPA的操作步骤
        3.1.3 WPA的参数分析
        3.1.4 WPA的特点及应用范围
    3.2 改进狼群算法(HWPA)
        3.2.1 细菌觅食算法(BFO)
        3.2.2 HWPA算法
    3.3 实验仿真及分析
    3.4 本章小结
第4章 基于有序加权平均算子(OWA)的模糊预测方法
    4.1 OWA算子及其性质
    4.2 OWA算子的权重计算方法
    4.3 基于OWA算子的模糊预测方法
        4.3.1 计算步骤
        4.3.2 实例分析
    4.4 本章小结
第5章 基于HWPA算法和OWA算子的FTS预测模型
    5.1 算法描述
    5.2 计算步骤
        5.2.1 训练阶段
        5.2.2 测试阶段
    5.3 实验仿真及分析
        5.3.1 在Alabama大学入学人数上的仿真实验
        5.3.2 在TAIFEX序列上的仿真实验
    5.4 本章小结
第6章 总结与展望
    6.1 本文总结
    6.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3747270