基于证据理论的模糊时间序列预测模型
DOI:
CSTR:
作者:
作者单位:

1. 景德镇陶瓷学院信息工程学院
2. 大连理工大学信息与控制研究中心

作者简介:

邱望仁

通讯作者:

中图分类号:

基金项目:

基于公理模糊集理论的模糊机器学习;基于元胞自动机图的蛋白质序列离散灰色模型及其在药物设计中的应用研究


Fuzzy time series model for forecasting based on Dempster-Shafer theory
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在分析经典模糊时间序列预测模型的基础上, 指出了传统的模型不能处理多因素的情形; 然后分析并
    改进了证据理论中关于证据合成的方法, 提出了基于证据理论的多因素模糊时间序列预测模型; 最后用1997 年∼
    2006 年10 年间的上海股指数据对所提出的模型进行了实践检验, 实验结果表明该模型是可行的, 其预测效果优于所
    参照的预测模型.

    Abstract:

    Based on the analysis of some conventional fuzzy time series forecast models, this paper argues that these
    conventional models can not deal with multiple-attribute fuzzy time series and proposes a model based on Dempster-Shafer
    theory to overcome this shortcoming with some revise for combining belief function. The Shanghai stock index over 10 years
    period 1997∼2006 is chosen as the forecasting targets, and the empirical results show that the proposed model outperforms
    the compared models.

    参考文献
    相似文献
    引证文献
引用本文

邱望仁, 刘晓东.基于证据理论的模糊时间序列预测模型[J].控制与决策,2012,27(1):99-103

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-08-27
  • 最后修改日期:2010-11-10
  • 录用日期:
  • 在线发布日期: 2012-01-20
  • 出版日期:
文章二维码