[发明专利]一种改进的基于Vague的预测方法

摘要

一种改进的基于Vague的预测方法，它有九大步骤步骤一对预测区间进行限定步骤二对预测区间进行划分步骤三将划分好的各个区间Vague化；步骤四根据上述区间划分和Vague化后的变量值，将预测对象的历史数据转化为语言值，设有m级，且满足观测值xi∈ui,xi→Vi；步骤五对数据统计表中的数据进行观察，得出只考虑趋势性语言的相互转移关系；步骤六进行Vague转换；步骤七数据进行计算步骤八在考虑周期性对数据的影响时，仅选取与预测月份相同月份不同年份的数据组成新的时间序列，重复步骤五到步骤七，进行预测；步骤九得出预测结果。

主权项

一种改进的基于Vague的预测方法，其特征在于：该方法具体步骤如下：步骤一：对预测区间进行限定：根据历年数据的情况，并结合预测对象本身存在的上下限区间，限定其预测区间X＝[Dmin，Dmax]；式中符号说明如下:X为预测区间，Dmin为预测区间下界，Dmax为预测区间上界；步骤二：对预测区间进行划分：在此利用加性语言评估标度的区间设定；步骤三：将划分好的各个区间Vague化，对于每一个划分好的区间ui，都设定相应的语义变量Vi；步骤四：根据上述区间划分和Vague化后的变量值，将预测对象的历史数据转化为语言值，设有m级，且满足观测值xi∈ui,xi→Vi；式中符号说明如下：xi为观测值，μi为观测值所在的区间，Vi为相应的语义变量；步骤五：对数据统计表中的数据进行观察，得出只考虑趋势性语言的相互转移关系，得到统计相互转移次数的转移关系矩阵E＝(eij)m×m，其中eij为Vi转移到Vj的次数，对矩阵中数据进行归一化，得E'＝(e′ij)m×m，其中：i为矩阵E的行，j为矩阵E的列；eij′=eij/Σj=1meijifΣt=1meit≠01/mifΣt=1meit=0]]>由此得出，当某状态Vi出现时，其转移到下一状态Vj的概率ei'j；步骤六：Vague转换：通过引入Vague Sets，将踌躇因子加入到预测体系中，能有效描述其预测中的不确定性，提高精度，设踌躇因素的占有量为k(0≤k≤1)，得到以下Vague Sets矩阵A：aij=[0,k/N1],Σt=1meit′≠0andeij′=0[(1-k)eij′,eij′],Σt=1meit′≠0andeij′≠0]]>上式中aij为矩阵A中的各个元素，将A单位化构造单位踌躇矩阵W，单位踌躇矩阵W中的各个元素为a′ij，N1为状态转移矩阵E'＝(e′ij)m×m中每一行零元素的个数；步骤七：数据计算：借助于转移矩阵，在知晓第t‑1年的Vi的前提下，第t年的预测值为：FVtT=Σjnaij′M[xj]]]>通过调整单位踌躇矩阵W中元素a′ij中k(0≤k≤1)的值，得到在不同踌躇因子取值下的预测值；其中：为第t年的预测值，M[xj]为t‑1年的观测值xj所在区间的中值，a′ij为单位踌躇矩阵W中的各个元素，j由Vi决定；步骤八：在考虑周期性对数据的影响时，仅选取与预测月份相同月份不同年份的数据组成新的时间序列，重复步骤五到步骤七，进行预测；步骤九：预测结果：以单独考虑趋势性和周期性时得出的结果与实际结果进行比较，利用下列公式得出各自的误差大小以及预测的平均误差：SEt=|FVt-AVt|AVt]]>AEt=Σt=1nSEt/n]]>其中，FVt为第t年的用该改进的基于Vague的预测方法预测的值的大小，AVt为第t年的实际值，SEt为一次预测的误差大小，AEt为n次预测的平均误差，n为预测次数；然后根据误差大小根据下列公式计算两种方法的权重，以计算考虑周期性的预测的权重为：ωP=1-δPδP+δT]]>式中δP，δT为分别考虑周期性和趋势性时预测结果的平均误差，用所有预测结果的误差除以预测数据的个数的多少得到，ωp为考虑周期性预测的权重；则第t年实际预测值的大小为采取两种方法后各自的预测值的大小按照相应误差进行权重设定后的综合计算结果；FVt′=FVtpωp+FVtTωT]]>式中，FV′t为最终得到的预测结果，为只考虑周期性的预测结果，ωp为考虑周期性预测的权重，为只考虑趋势性的预测结果，ωT为考虑趋势性预测的权重。