組合預(yù)測模型構(gòu)建及其應(yīng)用

組合預(yù)測模型構(gòu)建及其應(yīng)用

ID:23519680

大?。?.62 MB

頁數(shù):61頁

時(shí)間:2018-11-08

組合預(yù)測模型構(gòu)建及其應(yīng)用_第頁
預(yù)覽圖正在加載中,預(yù)計(jì)需要20秒,請耐心等待
資源描述:

《組合預(yù)測模型構(gòu)建及其應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、摘要論文題目:學(xué)科專業(yè):研究生:指導(dǎo)教師:組合預(yù)測模型的構(gòu)建及其應(yīng)用應(yīng)用數(shù)學(xué)劉素兵王秋萍副教授要簽名:塑!壹幺簽名:蘭盤壟隨著灰色系統(tǒng)理論、BP神經(jīng)網(wǎng)絡(luò)等新的理論技術(shù)應(yīng)用于預(yù)測領(lǐng)域,預(yù)測技術(shù)得到了很大的發(fā)展。由于灰色預(yù)測模型對一般的預(yù)測模型具有很強(qiáng)的融合力和滲透力,將灰色模型與其它模型結(jié)合進(jìn)行分析和預(yù)測,可以提高預(yù)測精度。因此,本文對灰色模型與其它模型的結(jié)合進(jìn)行了分析和研究,建立了組合預(yù)測模型,并對中國能源消費(fèi)量進(jìn)行了預(yù)測。本文的主要研究內(nèi)容和成果如下:1.提出了基于灰色預(yù)測GM(I,1)模型、三角模型和時(shí)間序列分析ARMA模型的組合預(yù)測摸型TGMA(I,1)。該模型以灰色預(yù)測GM(I,1)模

2、型擬合數(shù)據(jù)序列的趨勢項(xiàng),以三角模型和ARMA模型捕獲系統(tǒng)的殘差序列。2.構(gòu)建了灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型。使用BP神經(jīng)網(wǎng)絡(luò)對三種改進(jìn)的灰色預(yù)測模型(灰色優(yōu)化預(yù)測模型GOM(I,1)、無偏灰色預(yù)測模型、改進(jìn)的新陳代謝預(yù)測模型)迸行組厶口o3.對灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型做進(jìn)一步的改進(jìn)。采用灰色關(guān)聯(lián)分析法找出對中國能源消費(fèi)量有較大影響的幾個(gè)因子,以它們的時(shí)間序列數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入,這樣全面綜合地考慮到能源消費(fèi)系統(tǒng)的影響因素,從而提高了預(yù)測精度。關(guān)鍵詞:組合模型;灰色預(yù)測:灰色關(guān)聯(lián)分析;ARMA模型;神經(jīng)網(wǎng)絡(luò)模型hbstractTitle:THEESTABLISHMENTANDAPPLICAIT

3、lONOFCOMBINAITIONFORECASTINGMODELMajor=AppliedmathematicsName:SubingLIUSupervisor=Associateprof.QiupingWangAbstractSignatureWiththeapplicationofthegreysystemtheoryandtheBPneuralnetworkinthefieldofforecasting,theforecastingtechnologyhasobtainedthegreatdevelopment.Thegreyforecastmodelhastheverystrongf

4、usionstrengthandpenetrabilitytothegeneralmodel,SOitCanbecombinedwithothermodelstoimprovetheforecastingprecision.Therefore,analysisandresearchofthegreymodelwithothermodel’Scombinationarecarried,thecombinationforecastingmodelsareestablishedandtheenergyconsumptionofChinaisforecasted.Theprimaryresearchc

5、ontentandresultsareobtainedasfollowes:1.BasedonthegreyforecastmodelGM(1,1),thetrianglemodelandtheARMAmodel,thecombinationforecastmodelTGMA(1,1)hasbeenproposed.GM(1,1)isusedtofitthetendencyitemofthedataseries,meanwhile,thetrianglemodelandARMA(p,q)modelcapturesystem'sresidualsequence.2.Thegrey-neuraln

6、etworkcombinationmodelhasbeenbuilt.Threeimprovedgreymodels(thegreyoptimizationmodelGOM(1,1),theagonicgreyforecastmodelandtheimprovedmetabolismforecastmodel)arecombinedthroughthetheoryoftheneuralnetworkmodel.3.Thefurtherimprovementofthegrey-nerualnetworkcombinationmodelhasbeenmade.Thegreyrelationanal

7、ysismethodisadoptedtofindthemaininfluencingfactorsoftheenergyconsumptionandtimeseriesdataofthefactorsareusedasaninputofBPneuralnetwork.So,theenergyconsumptionsystem’Sinfluencingfactorsalealsoconsidere

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。