基于遗传算法的成分数据变权重组合预测研究

发布时间：2020-05-22 10:16

【摘要】：成分数据是一种具有特殊空间结构的多维数据,通常用于研究各部分在整体中的占比情况,故成分数据反映的是数据间的相对信息,而不是数据本身。但是,一般统计分析方法的前提是正态性假设,而成分数据的定和限制往往使其具有复共线性而不满足假设前提,因此常用的统计方法不适合对此类数据进行预测分析。为此,Aitchison提出对数比变换的方法避免常数和限制,即将成分数据空间映射到欧氏空间,从而使经典的统计方法继续适用于成分数据的统计分析。最初对成分数据的关注主要是用于研究岩石中各化学成分的比例情况,后逐渐被推广用于分析地区产业结构的变化趋势、预测城乡居民家庭生活费用支出比例等,使其成为经济、社会、科技等领域的一种重要的统计分析数据类型。所以,成分数据的预测研究在一定程度上为专家的决策建议提供了理论依据。组合预测方法是当前预测领域备受关注的热点话题之一,它最大限度地减少了单预测模型中不确定因素的影响,即将不同模型的单预测值以赋予不同权重的形式组合起来,从而提高预测结果的可靠性和稳定性。然而在已有的文献资料中,对成分数据的预测研究很少运用变权组合预测方法。因此,有必要对成分数据以组合形式进行预测分析。本文的研究内容主要有:(1)针对与时间变化有关的成分数据,将其在非对称Logratio变换的基础上应用变权重组合预测方法。在该方法中,不同时刻的单预测模型的权系数是不同的,所以变化的权重对于预测数据具有更好的自适应性。(2)针对多数组合预测目标函数单一的问题,对变权重组合预测以最小化绝对相对误差之和为目标进行优化。但是该优化函数形式复杂且不可微,一般求权重的方法达不到理想效果。因此,本文将运用基本无数学限制的遗传算法获得样本期权重,并用平均值法确定预测期权系数,从而减小其预测误差,使预测结果更全面、更系统,具有更好的适应能力。
【图文】：

7 0.4609 0.4774 0.0625 0.4600 8 0.4435 0.5017 0.0554 0.4397 5 0.4134 0.5361 0.0507 0.4192 4 0.4020 0.5536 0.0436 0.4002 8 0.3789 0.5823 0.0375 0.3811 6 0.3642 0.6021 0.0328 0.3629 0 0.3471 0.6229 0.0287 0.3457 8 0.3328 0.6414 0.0254 0.3303 0 0.3228 0.6552 0.0220 0.3169 5 0.3059 0.6746 0.0191 0.3042 3 0.2935 0.6892 0.0166 0.2925 9 0.2819 0.7032 0.0147 0.2839 8 0.2677 0.7195 0.0129 0.2779 0 0.2604 0.7286 0.0112 0.2715 5 0.2493 0.7412 0.0095 0.2649 图中，，给出了三种单预测方法以及两种组合预测法的预。每幅图中三条不规则曲线分别表示成分数据1 2 x , x ,x“ ”、“ ”、“ ”分别表示 的预测值。

回归预测图
【学位授予单位】：山西大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：O212.1;TP18

【相似文献】

相关期刊论文 前10条

1 孙李红;;基于灰色组合预测的国内债券余额预测[J];哈尔滨商业大学学报(自然科学版);2012年02期

2 李涛;何承桂;沈健民;;随工程进展的海堤沉降优性组合预测研究[J];浙江水利水电专科学校学报;2011年02期

3 李树冬;;试论组合预测的精度估计分析[J];上海交通大学学报(农业科学版);2007年02期

4 马永开,唐小我;两种组合预测优化模型的分析和比较[J];电子科技大学学报;1998年01期

5 王应明,罗英;广义加权比例平均组合预测技术研究[J];系统工程与电子技术;1998年03期

6 王硕,唐小我,周俊;组合预测软科学方法研究[J];运筹与管理;1999年01期

7 杨桂元，唐小我，马永开;关于非负权重组合预测的若干问题的探讨[J];电子科技大学学报;1996年02期

8 刘建国，张刚元，陈国先;多模型专家组合预测系统大纲[J];四川师范学院学报(自然科学版);1996年02期

9 徐大江;组合预测及其应用研究[J];统计与预测;1996年01期

10 高仁祥，张世英，刘豹;组合预测贝叶斯方法研究[J];系统工程学报;1996年01期

相关会议论文 前10条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 王竹;金德运;唐小我;曾勇;;最优组合预测的递推估计方法[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 曾勇;唐小我;陈海蓉;;非负权重最优组合预测的结构特征与无偏性调整[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

7 李佳;王黎;马光文;黄炜斌;;节能调度下水电站中长期发电计划制定方法研究[A];河流开发、保护与水资源可持续利用——第六届中国水论坛论文集[C];2008年

8 吴长山;;灰色—马尔柯夫组合预测[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

9 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

10 牛东晓;李金超;李金颖;刘达;;基于遗传算法的中长期电力负荷组合预测[A];第二十六届中国控制会议论文集[C];2007年

相关博士学位论文 前10条

1 曲宗希;风速组合预测策略中若干难点问题研究[D];兰州大学;2019年

2 姚骥;全基因组选择和育种模拟在纯系育种作物亲本选配和组合预测中的利用研究[D];中国农业科学院;2019年

3 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

4 邴兴国;城市土地储备决策研究[D];天津大学;2009年

5 胡冠中;区域经济与高等教育协调发展研究[D];天津大学;2015年

6 廖瑞金;变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D];重庆大学;2003年

7 钟仪华;特高含水油田开发规划动态预测方法研究[D];西南石油大学;2008年

8 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

9 张雷;气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析[D];中国林业科学研究院;2011年

10 詹蓉;面向即时顾客化定制的个性化需求预测方法研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 张浩楠;短期风电功率组合预测研究[D];华北水利水电大学;2019年

2 张晔;短期风电功率组合预测及其不确定性的研究[D];华北水利水电大学;2019年

3 陈祖成;基于改进深度置信网络的风电场短期功率组合预测研究[D];石家庄铁道大学;2019年

4 冯翠香;超短期风电功率预测方法研究[D];华北电力大学;2019年

5 鲁苓茜;基于遗传算法的成分数据变权重组合预测研究[D];山西大学;2019年

6 钱慧兰;基于MI算法的商品销量组合预测[D];南京大学;2019年

7 赵勤;两类改进的组合预测赋权方法及其应用[D];安徽大学;2019年

8 窦忠娟;平阴县农村集体经济发展问题研究[D];山东财经大学;2018年

9 宋欢;基于警度组合预测SVM警信号识别模型及其算法研究[D];江西师范大学;2018年

10 霍江游;基于小波多分辨分解的股价波动分频组合预测[D];江西财经大学;2018年

本文编号：2675849