基于模糊自适应变权重的经济时间序列组合预测模型研究

作者:何晓庆;蔡娜 刊名:软科学 上传者:慕璐岩

【摘要】组合方法首先选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,选取了两种定值加权组合预测模型:平均加权模型、误差平方和最小组合预测模型。通过实验比较分析:模糊自适应变权重组合预测可以综合利用各单项预测方法的优点,比单一模型预测结果精度有了很大提高,且优于定值加权组合预测,在经济时间序列的预测方面有较高的应用价值。

全文阅读

1引言在经济管理领域,普遍存在着许多诸如物价的波动、商品零售额的变动等随时间变化的经济数据。此类经济数据往往受诸多因素的影响和限制,具有很强的随机性和非线性[1]。对其预测的准确性能深刻影响着人类经济活动,选择并建立有效的经济时间序列模型对从复杂多变的经济现象中找出其规律特点起着重要的作用。目前,对经济时间序列预测方法已经出现如移动平均法、指数曲线拟合、灰色预测法、神经网络、支持向量机等方法。由于每种预测方法的预测结果具有不同的偏向性,导致都存在一定的局限性。为了最大限度地避免单个预测方法预测结果的偏向性的局限,获得更加精确的预测结果,建立组合预测模型成为一种选择,其研究应用越来越广泛[2]。在众多组合模型的组合方式中,根据组合预测加权系数是否随时间推移而变化,可分为变加权组合预测和定值加权组合预测。定值加权组合预测是通过某种方法计算出各单项预测模型在组合预测中的权系数,且保持稳定不变。变加权组合预测的加权系数随时间的推移而变化,该方法比较复杂,导致对变加权组合预测方法的研究成果还很少,但这是组合预测领域未来发展的重要研究方向之一[3]。模糊自适应变权重则是变加权组合预测的重要的研究方法。文献[4]将模糊自适应变权重应用于联交叉口交通流模型的研究,文献[5]应用模糊自适应变权重来研究预测采场声发射事件率,但目前还没有运用模糊自适应变权重来建立经济时间序列组合预测模型的研究。本文试图选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,本文选取了平均加权模型、误差平方和最小组合预测模型两种定值加权组合预测模型。并通过实验比较分析来验证该模型的有效性。2基于模糊自适应变权重的经济时间序列组合预测模型的建立2.1支持向量机经济时间序列预测模型选取经济时间序列(x1,x2,…,xN)构建模型,取前a个数据作为训练样本,其余的N-a个数据作为测试样本。为有效地进行预测建模,首先对数据样本进行重构,将一维时间序列转化为矩阵形式以获得数据间的关联关系,利用时间序列的一阶差分作为SVM的输出,滞后的m个数据作为支持向量机的输入向量,m表示嵌入维数,可以得到输入向量(xt-1,xt-2,…,xt-m)与输出yt=(xt)的映射函数:RmR,t表示时间的变化[6]。重构后的时间序列可以表示成如下矩阵:X=x1…xm[xa-m…xa-1],Y=xm+1[xa](1)将重构后的输入输出数据应用支持向量机进行训练,可以得到如下回归函数:f(x)=a-mi=1(ai-a*i)K(xi,xt)+b(2)上式中f(x)=yt,t=m+1,…,a,将训练得到的数学模型用于时间序列的预测,可以得到第p步预测模型如下:ya+p=a-mi=1(ai-a*i)K(xi,xa-m+p)+b(3)式中的xa-m+p=(xa-m-p,…,xa+p-1),应用训练得到的映射模型对经济时间序列数据进行预测,可以得到经济时间序列的变化趋势。2.2一阶指数平滑法指数平滑法是按照距离预测期的远近给予不同大小的加权值,一般设近期值较远期值权重更大,一次指数平滑公式如下:yt+1=r*yt+(1-r)*yt=n-1i=0r*(1-r)iyt-i(4)这里yt为t时刻的实际数值,yt是t时刻的预测值,r为平滑加权系数,0r1,r的值表明近期值较远期值的权重大。一阶指数平滑法的关键是平滑加权系数r的确定,当所选取的经济时间序列较平稳,数据波动量小时,r一般取值为r(0.05,0.3),可以加大远期值的权重

参考文献

引证文献

问答

我要提问