改进的灰色混合模型及其在网络舆情预测上的应用

发布时间：2024-03-27 00:37

　　当前信息时代网络的普及与发展促进了网络舆情的产生与传播,随着网民数量的不断增加,网络舆情的演化对社会的稳定与发展的影响越来越大.因此需要通过科学的数据分析掌握舆情发展的自然规律,对舆情的演化行为做出预测与判断,以便更好地进行人工干预,以引导或激励舆情的传播与发展.高精度的网络舆情预测模型的构建是一个难题,当前解决这一问题主流的建模方法有组合模型,混合模型,集成模型与人工智能模型.由于网络舆情数据具有灰色不确定性,其中夹杂的扰动项对模型预测精度的影响非常大,本文引入灰色缓冲算子对数据进行预处理以提升模型的预测精度;由于舆情具有瞬发性和短时间持续性,因此网络舆情数据具有小样本的特点,针对此特点本文利用灰色模型来进行舆情预测,但单一模型的预测能力有限,即使改进后预测精度仍不是很高,而混合模型可以解决这一问题;考虑到人工智能模型中的最小二乘支持向量机模型同样适合小样本预测且可更好的处理非线性问题,本文利用最小二乘支持向量机对灰色模型的残差进行修正,最终建立改进的灰色最小二乘支持向量机混合模型.由评价指标MAPE与MSE验证了混合模型具有更高的预测精度.具体工作如下:(1)由于舆情数据的变化趋势...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景与意义
    1.2 研究现状
    1.3 本文框架与主要内容
2 灰色算子相关理论
    2.1 冲击扰动与缓冲算子
    2.2 弱化缓冲算子
    2.3 累加生成算子与累减生成算子
3 经典灰色预测模型
    3.1 均值GM(1,1)模型
        3.1.1 均值GM(1,1)模型相关原理
        3.1.2 均值GM(1,1)模型建模步骤
    3.2 灰色Verhulst模型
        3.2.1 灰色Verhulst模型原理
        3.2.2 灰色Verhulst模型建模步骤
4 改进的灰色预测模型
    4.1 LGM(1,1)模型
        4.1.1 LGM(1,1)模型原理
        4.1.2 LGM(1,1)模型建模步骤
    4.2 TPGM(1,1)模型及其初始值优化
        4.2.1 TPGM(1,1)模型原理及其初始值优化
        4.2.2 TPGM(1,1)模型建模步骤
5 改进的灰色最小二乘支持向量机混合模型
    5.1 最小二乘支持向量机
        5.1.1 最小二乘支持向量分类机
        5.1.2 最小二乘支持向量回归机
    5.2 GAWBO-LGM-LSSVM混合模型
    5.3 GAWBO-TPGM-LSSVM混合模型
6 实验结果与对比分析
    6.1 数据的选取与预处理
    6.2 预测精度评价指标
    6.3 单一模型预测
        6.3.1 均值GM(1,1)模型预测
        6.3.2 灰色Verhulst模型预测
        6.3.3 LGM(1,1)模型预测
        6.3.4 TPGM(1,1)模型预测
    6.4 混合模型预测
        6.4.1 GAWBO-LGM-LSSVM模型预测
        6.4.2 GAWBO-TPGM-LSSVM模型预测
    6.5 预测结果对比与分析
7 总结与展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3939927