一种基于模糊时间序列的预测方法

本发明属于时间序列预测，尤其涉及一种基于模糊时间序列的预测方法。

背景技术：

1、目前，模糊时间序列由于其能够有效处理不完整或含糊不清的历史数据的优势，已经被广泛的应用于经济、生活的各个方面。

2、大多数模糊时间序列模型可分为：划分论域、模糊化历史数据、建立模糊关系链、得到预测模糊集和逆模糊化五步。在建立模糊关系链时，大多数采用粒子群算法、神经网络、遗传算法、支持向量基等现有的优化方法，没有基于不同数据本身的特点构造更适合的算法。目前的模糊时间序列在操作时，都是先进行模糊化，再进行逆模糊化，操作繁琐，并且在操作过程中忽略了数据本身的特点，最终导致预测误差较大。

3、为解决上述不足，有必要研究一种基于模糊时间序列的预测方法。

技术实现思路

1、本发明的目的是提供一种基于模糊时间序列的预测方法，根据本发明的基于模糊时间序列的预测方法，解决了现有的模糊时间序列模型预测步骤操作复杂、计算精度不高的技术问题。

2、本发明提供了一种基于模糊时间序列的预测方法，预处理步骤，数据经预处理后得到测试数据、检验数据和未来数据；初始预测值计算步骤，将测试数据代入逆函数公式，并将计算结果再代入预测函数公式，进而计算得到初始预测值；均方误差计算步骤，将获得的初始预测值和其对应的测试数据代入均方误差公式，以获得均方误差；最优参数确定步骤，通过均方误差的变化，确定最优参数；最优参数检验步骤，通过检验数据计算均方误差，进而对最优参数进行检验，得到最终最优参数；预测数据计算步骤，通过虚拟预测值公式、预测函数公式和由最终最优参数确定的逆函数公式，计算得到未来数据的预测数据；虚拟预测值公式调整步骤，通过调整虚拟预测值公式中的系数，使均方误差符合误差限要求，则输出最优预测值。

3、可选择的，在均方误差计算步骤中，均方误差公式为：

4、

5、其中，pi表示第i时刻的预测值，ai表示第i时刻的时间序列值，n表示数据总数。

6、可选择的，在预处理步骤中，将数据逐步代入一阶差分、二阶差分、三阶差分公式进行预处理，得到预处理后的数据，预处理后的数据包括测试数据、检验数据和未来数据；

7、一阶差分、二阶差分和三阶差分公式分别为：

8、dm＝am–am-1

9、cm＝dm–dm-1

10、bm＝cm–cm-1

11、其中，am表示m时刻的时间序列值，am-1表示m-1时刻的时间序列值，dm表示时间序列值的一阶差分，cm表示时间序列值的二阶差分，bm表示时间序列值的三阶差分。

12、可选择的，在初始预测值计算步骤中，在(0,1]的取值范围内取任意的初始参数，进而确定逆函数公式，再将测试数据代入逆函数公式，并将计算结果再代入预测函数公式，进而计算得到初始预测值；

13、逆函数公式为：

14、

15、其中，e，d，h表示逆函数公式中的参数，取区间(0,1]中的任意值作为初始参数，cm表示该时刻的二阶差分，bm表示该时刻的三阶差分。

16、可选择的，在初始预测值计算步骤中，预测函数公式为：

17、

18、其中，pm表示m时刻的预测值，am表示m时刻的时间序列值，am-1表示m-1时刻的时间序列值，dm表示时间序列的一阶差分，um表示时间序列的逆函数。

19、可选择的，在最优参数确定步骤中，若均方误差不再减小，则确定此时的初始参数为最优参数，或，若均方误差继续减小，使初始预测值四舍五入等于其对应的测试数据，则确定此时的初始参数为最优参数；否则，继续减小初始参数的值，直到确定最优参数。

20、可选择的，在最优参数检验步骤中，根据最优参数确定的逆函数公式，将检验数据先代入逆函数公式，再将计算结果代入预测函数公式，进而计算预测值，再通过预测值计算均方误差；若均方误差符合误差限要求，则最优参数为最终最优参数；否则，继续减小初始参数的值，重新计算初始预测值，直到均方误差符合误差限要求，得到最终最优参数。

21、可选择的，在预测数据计算步骤中，将检验数据和未来数据中的待预测数据代入虚拟预测值公式，计算得到虚拟预测值，再将虚拟预测值代入由最终最优参数确定的逆函数公式，并将计算结果代入预测函数公式，计算得到未来数据的预测数据，并将未来数据的预测数据与未来数据代入均方误差公式，进而继续判断此时的均方误差是否符合误差限要求；

22、虚拟预测值公式为：

23、

24、其中，表示第n+λ时刻的虚拟预测值，an+λ-2表示第n+λ-2时刻的时间序列值，an+λ-1表示第n+λ-1时刻的时间序列值，α表示虚拟预测值系数。

25、可选择的，在预测数据计算步骤中，将待预测数据an-1和an代入虚拟预测值公式,计算时间序列a的第n+1个待预测数据的虚拟预测值pn+1*，再利用逆函数公式和预测函数公式计算并得到未来数据的预测数据。

26、可选择的，在虚拟预测值公式调整步骤中，通过调整虚拟预测值公式中的系数的步长，进而调整虚拟预测值，进而得到与未来数据更接近的虚拟预测值，将调整后的虚拟预测值与未来数据代入均方误差公式，再重复预测数据计算步骤，直至均方误差符合误差限要求，则输出最优预测值。

27、本发明提供的基于模糊时间序列的预测方法在时间序列的一阶差分、二阶差分、三阶差分的基础上，利用逆函数公式、预测函数公式、均方误差公式和虚拟预测值公式，获得逆函数公式中的最终最优参数，并且使均方误差符合误差限要求，进而输出最优预测值，不需要划分论域和建立模糊关系链，直接应用逆函数公式和预测函数公式进行预测，从数据本身出发，操作步骤简单、且减少了预测误差，使通过本发明的基于模糊时间序列的预测方法得到的最优预测值与真实值更加接近，最终提高了预测精度。

技术特征：

1.一种基于模糊时间序列的预测方法，其特征在于：

2.根据权利要求1所述的基于模糊时间序列的预测方法，其特征在于：

3.根据权利要求1所述的基于模糊时间序列的预测方法，其特征在于：

4.根据权利要求3所述的基于模糊时间序列的预测方法，其特征在于：

5.根据权利要求4所述的基于模糊时间序列的预测方法，其特征在于：

6.根据权利要求5所述的基于模糊时间序列的预测方法，其特征在于：

7.根据权利要求6所述的基于模糊时间序列的预测方法，其特征在于：

8.根据权利要求7所述的基于模糊时间序列的预测方法，其特征在于：

9.根据权利要求8所述的基于模糊时间序列的预测方法，其特征在于：

10.根据权利要求8所述的基于模糊时间序列的预测方法，其特征在于：

技术总结
本发明公开了一种基于模糊时间序列的预测方法，先经过预处理步骤、初始预测值计算步骤、均方误差计算步骤，以获得均方误差；之后再经最优参数确定步骤、最优参数检验步骤、预测数据计算步骤，结合预测函数公式和由最终最优参数确定的逆函数公式，计算未来数据的预测数据，再通过虚拟预测值公式调整步骤，通过调整虚拟预测值公式中的系数，使均方误差符合误差限要求，则输出最优预测值。本发明的基于模糊时间序列的预测方法不需要划分论域和建立模糊关系链，直接应用逆函数公式和预测函数公式进行预测，从数据本身出发，操作步骤简单、且减少了预测误差，使通过本发明得到的最优预测值与真实值更加接近，最终提高了预测精度。

技术研发人员：刘智,张博飞
受保护的技术使用者：沈阳工业大学
技术研发日：
技术公布日：2024/1/13