摘要：在模糊时间序列预测模型通常涉及到论域的划分,通常用FCM聚类算法来对论域进行划分,或者用样本点和聚类中心计算出的相似性距离(DTW)来代替传统的欧式距离,即得到DTW-FCM聚类算法来对论域划分.其中基于DTW的FCM聚类算法(DTW-FCM),引入了一个负指数变量,以获得更好的鲁棒性,由此设计出基于DTW改良后的FCM聚类算法(DTW-MFCM).最后将Alabama大学入学人数预测案例和美国二氧化碳排放总量实列应用到该模型上,将预测结果与其他模糊时间序列预测模型进行比较,结果表明该模型的预测精度和稳定性明显提高,优于其他经典模型.

摘要：文中基于模糊时间序列模型,提出了如何定义论域的方法。预测人员在不断地应用模糊时间序列模型进行预测的同时,也对此模型进行了不同方面的改进,但是大部分主要包括两个方面:一是论域划分,而是模糊关系表示。在论域划分上面,现有的研究都是简单的向上和向下取整的方法,没有意识到论域区间的定义也会影响到预测的结果的原因,所以本文研究了新的定义论域区间的方法,本文新的方法中提出论域区间的定义和当前类别的数据分布有关,这样充分考虑了样本数据的分布情况,提高了论域间隔的准确度和可解释性。最后,本文应用阿拉巴马州大学的预测结果和最新的论域划分方法进行了比较,结果表明了此方法的有效性。

摘要：近年来研究者们提出了许多基于模糊时间序列的预测模型,并发现论域划分机制和去模糊化预测方法是影响模型预测精度的主要因素。对此,提出了一种混合模型,将改进鲸鱼优化算法用于论域划分,提出一种基于次序和时序的平均加权算子优化去模糊化预测方法。在Alabama大学入学人数数据集上进行仿真实验,与国内外相关研究进行横向分析。结果表明,改进鲸鱼优化算法在收敛速度、求解精度都有很大程度提升;混合模型与基线模型对比时,训练阶段和预测阶段都获得了最小的均方根误差(RMSE)和平均绝对百分比误差(MAPE),训练阶段对照基线最优模型,RMSE减少21.1%,MAPE降低0.28%。

摘要：时间窗口的分割长度是影响预测结果准确性的重要指标之一,因此根据合理粒化将时间序列分割成一些可处理有意义的信息粒,从而得到更有效的非一致划分的分割方法.进一步,提出基于信息粒的模糊时间序列预测模型去预测股指时间序列.模型首先根据信息粒获取时间序列时间窗口的分割;然后在其基础上定义模糊集并将历史序列模糊化;构造模糊逻辑关系并为每一个模糊趋势指派权重;最终根据得到的信息实施预测.实验结果表明,提出的模型具有较高的准确性.

摘要：对火电厂给水泵系统设备的指标数据进行有效预测,有助于保障设备安全、可靠运行,提高指标数据预测的准确性具有重要意义。文中提出基于模糊时间序列算法来预测给水泵系统设备的指标数据,同时采用该算法在给水泵的真实运行数据集上进行实验,分别对给水泵指标出口压力及温度进行预测。结果显示,给水泵出口压力预测模型平均绝对百分比误差为0.009 5,均方根误差为0.250 5,而出口温度的模型平均绝对百分比误差为0.001 4,均方根误差为0.366 2,证实了模糊时间序列预测算法的预测误差较低,且能够应用于给水泵系统设备的指标预测中。

摘要：变电站的设备检修工作不仅是保障变电站正常运行的基础,也是降低变电站全寿命周期成本(LCC),实现效用与成本相互平衡的重要途径。文中首先基于模糊时间序列法,对电气设备在寿命周期内的可靠性参数进行模糊预测,接着引入役龄回退理论,以设备LCC中检修成本和故障成本最小化为目标,建立了检修策略的优化决策模型,并运用模糊规划理论实现了模型的求解。实例应用结果显示,提出的模糊规划模型可以为变电站电气设备检修策略的制定以及变电站的全寿命周期管理提供有益参考。