论文部分内容阅读
预测是人们根据历史的和现在又掌握的信息,利用已经掌握的知识和手段,预先推知和判断研究对象的未来或未知状况的结果.但是,任何预测模型都不是实际问题的写真,现实问题也在不停地进行演化,因此,预测的不确定性就成为客观必然,在实践中,对于同一个问题,我们可以采用不同的预测方法进行预测,不同的预测方法,其预测精度往往也不同.Bates和Granger提出的组合预测方法,将各种单个预测看做代表不同信息的片段,通过信息的集成分散单个预测特有的不确定性和减少总体不确定性,从而提高预测精度.组合预测能够较大限度地利用各种预测样本信息,比单个预测模型考虑问题更系统、更全面,因而能够有效地减少单个预测模型中一些环境随机因素的影响。
然而由于预测的不确定性,即便是设定了一个建立在组合信息集基础之上、使用了多种预测技术的预测模型,它仍然是对现实问题的高度抽象.简单地将各种现有模型进行组合也不能完全反映这种不确定性.模糊集理论是用来刻画不确定性的数学工具,在不精确知识和语义信息的研究中表现出了卓越的性能.将模糊集理论运用于组合预测中来处理不确定性是预测研究中一个重要课题。
本文首先概述了三种传统的组合预测方法,即基于预测误差指标的组合预测模型,基于预测有效度的组合预测模型和基于粗糙集理论的组合预测模型.然后在模糊集理论的指导下,构建了三种新的组合预测模型,它们分别为模糊回归组合预测模型,区间型组合预测模型和模糊最小二乘组合预测模型.其中,模糊回归组合预测模型是以模糊线性回归为基本理论,将组合预测模型中单项预测结果进行模糊化描述,分别建立以拟合度最大、模糊度最小的最优化模型求得组合预测的权重系数;区间型组合预测模型首先将单项预测结果进行模糊化描述,然后建立了以组合预测区间半径达到最小的最优化模型求得组合预测的权重系数;模糊最小二乘组合预测模型首先讨论了两个对称三角形模糊数之间距离的显式表达,然后建立了以组合预测结果使距离达到最小为目标的最优化模型求得权重系数.实证结果表明这三种模型都能显著的提高预测精度并分别用实例验证了它们的有效性和可行性.最后本文将组合预测方法应用于宁夏人均GDP的预测中,进一步证实了组合预测方法确实能够提高预测性能。