基于组合模型的三角模糊数预测模型

谢小军,马 虹，乔希民

基于组合模型的三角模糊数预测模型

*谢小军1,马 虹2，乔希民1

( 1.广州工商学院，广东，广州 510850；2.广东金融学院，广东，广州 510521)

首先以北京市1994-2006年年平均最低气温、年平均气温、年平均最高气温构建三角模糊数序列的三个界点，出于数据整体性考虑将三角模糊数序列转换成等量信息的三个指标数序列，然后，对三个指标数序列分别构建了时间序列ARIMA模型，灰色预测GM(1,1)模型以及BP神经网络模型，最后在单一模型预测结果的基础上通过引入诱导有序加权（IOWA）算子，建立了一种集成IOWA算子的ARIMA-GM- BP的三角模糊组合预测模型。通过最终预测结果对比，组合模型预测精度明显要高于各单一模型。

ARIMA模型；GM(1,1)模型；BP神经网络模型；IOWA算子；组合预测模型

0 引言

自从1969年Bates和Grange提出了组合预测方法后[1]，越来越多的学者关注组合模型，并开展了大量的研究。最初利用组合模型研究的对象大多数是实数，但随着社会经济的不断发展，系统的复杂性与事物的不确定性不断提高，导致事物更具模糊特征，很多时候是以区间数或者三角模糊数的形式表示，例如很多经济指数可以用区间数来表示，利用最小值和最大值来构造区间数的两个界点[2]，还有温度可以用一个三角模糊数来表示，最低和最高温度可以表示三角模糊数的左端点和右端点，平均温度表示其中点。研究三角模糊数组合预测模型既具有理论意义也具有现实意义。在模糊环境下，三角模糊数是刻画事物的一种常见的不确定信息的表达形式，它弥补了实数和区间数的不足。……