一种改进的基于Vague的预测方法
【技术领域】
[0001] 本发明提出一种改进的基于Vague的预测方法。属于数据预测技术领域。
【背景技术】
[0002] 随着大数据时代的到来，越来越多基于大量历史数据的预测技术融入到我们的生 活中，奥伦创办的Farecast公司开创了大数据预测的先河，到2012年为止，Farecast系统 用了将近十万亿条价格纪录来帮助预测美国国内航班的机票，很多前沿的技术公司尝试通 过大数据进行各种各样的预测，谷歌公司在2009年就对甲型HlNl的爆发进行了成功预测。
[0003] 本发明中所介绍的基于Vague的预测方法已经在股市预测方面取得了初步的成 果，随着Vague预测的不断发展，对于其预测精度的要求越来越高，如何优化预测方法以提 高预测精度成为其发展的重中之重，本发明旨在对已有的预测方法进行改进以提高其预测 精度。
【发明内容】
[0004] 本发明将踌躇因素与以往的模糊预测方法进行融合，针对以往预测方法在预测区 间的限定、预测区间的划分、对具有周期性特征数据的处理等方面存在的弊端进行改进，从 而提高预测精度。
[0005] 本发明是采用以下技术方案实现的，一种改进的基于Vague的预测方法，其步骤 如下：
[0006] 步骤一：对预测区间进行限定：根据历年数据的情况，并结合预测对象本身存在 的上下限区间，我们限定其预测区间X= [Dmin，Dmax];式中符号说明如下：X为预测区间，Dmin 为预测区间下界，Dmax为预测区间上界。
[0007] 步骤二：对预测区间进行划分：在此利用加性语言评估标度的区间设定。
[0008] 步骤三：将划分好的各个区间Vague化，对于每一个划分好的区间Ui，都设定相应 的语义变量V i;
[0009] 步骤四：根据上述区间划分和Vague化后的变量值，将预测对象的历史数据转化 为语言值，设有m级，且满足观测值 Xi e u i，Xi-V i;式中符号说明如下：x i为观测值，μ 观测值所在的区间，Vi为相应的语义变量。
[0010] 步骤五：对数据统计表中的数据进行观察，得出只考虑趋势性语言的相互转移关 系，得到统计相互转移次数的转移关系矩阵E = (eip mXm，其中\为V i转移到^的次数，对 矩阵中数据进行归一化，可得E' =(e' Jmxm，其中：i为矩阵E的行，j为矩阵E的列。
【主权项】
1. 一种改进的基于Vague的预测方法，其特征在于：该方法具体步骤如下： 步骤一：对预测区间进行限定：根据历年数据的情况，并结合预测对象本身存在的上 下限区间，限定其预测区间X = [Dmin，Dmax];式中符号说明如下：X为预测区间，Dmin为预测 区间下界，D max为预测区间上界； 步骤二：对预测区间进行划分：在此利用加性语言评估标度的区间设定； 步骤三：将划分好的各个区间Vague化，对于每一个划分好的区间Ui，都设定相应的语 义变量Vi; 步骤四：根据上述区间划分和Vague化后的变量值，将预测对象的历史数据转化为语 言值，设有m级，且满足观测值\￡ Ui，Xi-Vi;式中符号说明如下：Xi为观测值，μ i为观 测值所在的区间，Vi为相应的语义变量； 步骤五：对数据统计表中的数据进行观察，得出只考虑趋势性语言的相互转移关系，得 到统计相互转移次数的转移关系矩阵E = (eipmxm，其中转移到^的次数，对矩阵 中数据进行归一化，得E' =(e' Jmxm，其中：i为矩阵E的行，j为矩阵E的列；
由此得出，当某状态Vi出现时，其转移到下一状态Vj的概率W iJ； 步骤六：Vague转换：通过引入Vague Sets，将铸蹲因子加入到预测体系中，能有效描 述其预测中的不确定性，提高精度，设踌躇因素的占有量为k (0 < k < 1)，得到以下Vague Sets矩阵A :
上式中为矩阵A中的各个元素，将A单位化构造单位踌躇矩阵W，单位踌躇矩阵W中 的各个元素为a' ^，&为状态转移矩阵E' = (e' υ)πΧπ中每一行零元素的个数； 步骤七：数据计算：借助于转移矩阵，在知晓第t-Ι年的\的前提下，第t年的预测值 为：
通过调整单位踌躇矩阵W中元素 a' ^中以0 SkSl)的值，得到在不同踌躇因子取 值下的预测值；其中：FKf为第t年的预测值，M[\]为t-Ι年的观测值x/斤在区间的中值， a' u为单位踌躇矩阵W中的各个元素，j由Vi决定； 步骤八：在考虑周期性对数据的影响时，仅选取与预测月份相同月份不同年份的数据 组成新的时间序列，重复步骤五到步骤七，进行预测； 步骤九：预测结果：以单独考虑趋势性和周期性时得出的结果与实际结果进行比较， 利用下列公式得出各自的误差大小以及预测的平均误差：
其中，FVt为第t年的用该模型预测的值的大小，AV t为第t年的实际值，SE t为一次预 测的误差大小，AEtS η次预测的平均误差，η为预测次数；然后根据误差大小根据下列公式 计算两种方法的权重，以计算考虑周期性的预测的权重为：
式中S ρ，δ 分别考虑周期性和趋势性时预测结果的平均误差，用所有预测结果的 误差除以预测数据的个数的多少得到，ωρ为考虑周期性预测的权重； 则第t年实际预测值的大小为采取两种方法后各自的预测值的大小按照相应误差进 行权重设定后的综合计算结果；
式中，FV' t为最终得到的预测结果，FVtp为只考虑周期性的预测结果，ω p为考虑周期 性预测的权重，FFf为只考虑趋势性的预测结果，ωτ为考虑趋势性预测的权重。
2. 根据权利要求1所述的一种改进的基于Vague的预测方法，其特征在于：步骤二中 对划分预测区间时采用了加性语言评估标度的理念。
3. 根据权利要求1所述的一种改进的基于Vague的预测方法，其特征在于：步骤四 中将历史数据转化为语言值，步骤三中已经将每一个划分的区间设定了对应的语言值 Vi,被观测的历史数据在哪个区间内就将该数据转化为该区间对应的语言值，表达式为 Xie u i，Xi-Vi;式中符号说明如下：Xi为观测值，μ i为观测值所在的区间，Vi为相应的语 义变量。
4. 根据权利要求1所述的一种改进的基于Vague的预测方法，其特征在于：步骤五中 的转移关系矩阵进行归一化要根据如下公式：
式中：i为矩阵E的行，j为矩阵E的列，Vi转移到'的次数，m为转移关系矩阵的 行数和列数，转移矩阵某一行中的零元素单位化后的结果为该行所有零元素之和的倒数。
5. 根据权利要求1所述的一种改进的基于Vague的预测方法，其特征在于：步骤六中 构造单位踌躇矩阵时，选取矩阵A中非零单元所在位置的下界和零元所在位置的上界来构 造新的单位踌躇矩阵W，以保证新的单位踌躇矩阵每行相加仍为1。
6. 根据权利要求1所述的一种改进的基于Vague的预测方法，其特征在于：使用该方 法进行预测之前要先对预测对象的历史数据进行趋势性和周期性的检验： (1) 趋势性检验： 使用Kenddall趋势性检验来检验民航上座率的趋势性，通过对其趋势性检验结果图 的观察来判断其趋势性； (2) 周期性检验： 采用SPSS的谱分析对数据的周期性进行检验，观察分析谱是否具有峰值点，若有峰值 点则历史数据带有明显的周期性，再根据峰值点的位置确定周期的大致范围，并结合预测 对象的实际情况，确定最后的周期。
【专利摘要】一种改进的基于Vague的预测方法，它有九大步骤：步骤一：对预测区间进行限定：步骤二：对预测区间进行划分：步骤三：将划分好的各个区间Vague化；步骤四：根据上述区间划分和Vague化后的变量值，将预测对象的历史数据转化为语言值，设有m级，且满足观测值xi∈ui,xi→Vi；步骤五：对数据统计表中的数据进行观察，得出只考虑趋势性语言的相互转移关系；步骤六：进行Vague转换；步骤七：数据进行计算：步骤八：在考虑周期性对数据的影响时，仅选取与预测月份相同月份不同年份的数据组成新的时间序列，重复步骤五到步骤七，进行预测；步骤九：得出预测结果。
【IPC分类】G06Q10-04
【公开号】CN104680245
【申请号】CN201510038373
【发明人】周晟瀚, 常文兵, 高春雨
【申请人】北京航空航天大学
【公开日】2015年6月3日
【申请日】2015年1月26日