基于主成分分析的模糊时间序列模型的平稳化算法
CSTR:
作者:
作者单位:

(大连海事大学数学系,辽宁大连116026)

作者简介:

陈刚(1964-), 男, 教授,博士后, 从事时间序列分析、数据挖掘与信息提取等研究;丁慧玲(1992-), 女, 硕士生, 从事数据处理与信息提取的研究.

通讯作者:

E-mail: chengang@dlmu.edu.cn

中图分类号:

TP273

基金项目:

国家自然科学基金项目(11571056).


Stabilization algorithm of fuzzy time series based on principal component analysis
Author:
Affiliation:

(Department of Mathematics,Dalian Maritime University,Dalian116026,China)

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:

    在模糊时间序列模型建立的过程中,对数据的预处理和模糊规则的优化往往是影响模型预测精确度的关键因素.针对上述问题,提出基于主成分分析(PCA)的平稳化算法.首先,对数据进行平稳化检验,并将非平稳的数据进行预处理使其平稳;其次,对论域进行划分并根据模糊关系构建广义的协方差矩阵,由此计算广义协方差矩阵的特征值和特征向量;再次,根据特征值的累计贡献率优化模糊规则,利用优化后模型进行预测;最后,通过实际算例验证新算法的可行性.

    Abstract:

    In the process of establishing fuzzy time series model, the data pre-process and the optimization of the fuzzy rules are the two key factors which influence the precision of predication. Therefore this paper proposes a stabilization algorithm based on principal component analysis(PCA). Firstly, time series are changed into stationary time series by augmented dickey-fuller tests. Then, the fuzzy sets are set up, the generalized covariance matrix of fuzzy relationships is built, and its eigenvalues and eigenvectors are calculated. Furthmore, fuzzy rules are optimized according to the cumulative of the eigenvalues, and forecasting results for real time series are obtained. Finally, the experiment results show the feasibility of the proposed algorithm.

    参考文献
    相似文献
    引证文献
引用本文

陈刚,丁慧玲.基于主成分分析的模糊时间序列模型的平稳化算法[J].控制与决策,2018,33(9):1643-1648

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:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-09-06
  • 出版日期:
文章二维码