基于直觉模糊化的广义模糊时间序列预测模型
2020-10-24田宗浩
运筹与管理 2020年3期
关键词:模型
王 鹏,田宗浩
(陆军炮兵防空兵学院 基础部,安徽 合肥 230031)
0 引言
模糊时间序列[1~5](Fuzzy Time Series, FTS)在含糊、不确定信息处理中广泛应用,并且具有良好的鲁棒性和泛化性。近年来,广义模糊时间序列预测模型被提出[6~9],其充分考虑样本数据对模糊集的隶属情况,把要考虑的隶属度值作为预测模型的权重,建立不同层次的模糊逻辑关系,提高了模型的可解释性和预测精度。但是,通过对广义模型的深入研究发现,只利用隶属度函数描述样本数据对模糊集的隶属情况,在数据模糊化过程中不能形象地反应信息的含糊、不确定性。随着人们对问题认识的不断深入,样本数据对模糊集的隶属情况会表现出一定的犹豫程度,如何更好的表达样本数据对模糊集的隶属状态成为一个研究的热点问题。
Zadeh教授提出的直觉模糊集[10](Intuitionistic Fuzzy Set, IFS)是模糊集理论的扩展和补充,通过增加一个非隶属度参数来描述事物“非此非彼”的模糊特性。直觉模糊集的数学描述更加符合事物的模糊本质,为处理不确定信息提供了新的研究思路。但是,如何确定IFS的隶属度和非隶属度函数呈现很大的复杂性,如何将样本数据直觉模糊化和描述样本数据对模糊集的隶属情况成为模型改进的一个瓶颈问题。为此,本文结合文献直觉模糊化的方法以及采用记分函数来描述样本数据对模糊集的隶属情况的思想,建立基于直觉模糊化的广义模糊时间序列模型,并通过仿真实验对模型的有效性和可行性进行验证。……
登录APP查看全文
