發(fā)布時間：2020-06-08 02:52

【摘要】：時間序列預(yù)測具有重要的理論研究和實際應(yīng)用背景,已廣泛應(yīng)用到經(jīng)濟、金融、能源和環(huán)境等領(lǐng)域的預(yù)測中。隨著社會系統(tǒng)復(fù)雜性的不斷增加,導(dǎo)致預(yù)測指標的時間序列數(shù)據(jù)常常是非線性和非平穩(wěn)的。分解集成多尺度預(yù)測模型在處理非平穩(wěn)、非線性時間序列預(yù)測方面更能反映數(shù)據(jù)特征,已逐漸成為時間序列預(yù)測的重要工具之一。由于不同時間序列的單項預(yù)測方法各有其特點,因此探討基于時間序列特征驅(qū)動分解的多尺度組合預(yù)測模型和性質(zhì)的研究具有重要的理論價值和應(yīng)用價值。系統(tǒng)研究基于分解集成多尺度預(yù)測模型的文獻表明,目前尚有一些值得探討的理論和應(yīng)用問題。第一,現(xiàn)有的分解集成多尺度預(yù)測模型對分解后得到的序列通常是利用單項預(yù)測模型,而單項預(yù)測結(jié)果直接影響多尺度預(yù)測,可能會帶來較大的誤差,增大預(yù)測的風(fēng)險。第二,在分解集成多尺度預(yù)測模型中基于時間序列分解方法得到的序列一般數(shù)量較多,若對所有的序列構(gòu)建模型,則模型的計算量太大,而且可能會帶來誤差的累積效應(yīng);第三,針對區(qū)間值多尺度預(yù)測模型,尚未有文獻討論對分解后序列構(gòu)建組合預(yù)測模型,并且現(xiàn)有的模型在預(yù)測中通常只考慮了區(qū)間值端點的預(yù)測誤差而忽略區(qū)間的長度誤差,這將導(dǎo)致預(yù)測結(jié)果不確定性增加;第四,現(xiàn)有的多尺度預(yù)測模型在構(gòu)建的過程中,往往只考慮歷史數(shù)據(jù)對模型的影響,事實上,預(yù)測結(jié)果可能還會受到其它外部因素和一些非結(jié)構(gòu)化數(shù)據(jù)的影響。針對以上問題,本文提出幾類基于時間序列特征驅(qū)動分解的多尺度組合預(yù)測模型,并應(yīng)用到實際預(yù)測問題中。主要的研究工作為:(1)現(xiàn)有的基于集成經(jīng)驗?zāi)Ｊ椒纸?EEMD)的多尺度預(yù)測模型,在EEMD過程中存在端點效應(yīng),且對分解后得到的序列僅利用單項預(yù)測方法進行預(yù)測。針對該問題,本文構(gòu)建基于改進的EEMD的時間序列多尺度組合預(yù)測模型。在鏡像法處理原始時間序列的基礎(chǔ)上,利用EEMD方法分解處理后序列。采用不同單項預(yù)測方法對分解得到的序列進行預(yù)測,并構(gòu)建基于EEMD的L1范數(shù)的多尺度組合預(yù)測模型,探討了模型的優(yōu)良性質(zhì)�？紤]到不同預(yù)測方法的預(yù)測精度隨時間的變化,構(gòu)建基于改進的EEMD變權(quán)多尺度組合預(yù)測模型。結(jié)合空氣質(zhì)量指數(shù)預(yù)測進行實證分析,從誤差指標、有效性指標和DM檢驗的結(jié)果表明了該模型的有效性。(2)針對時間序列分解后得到序列數(shù)量較多的問題,通過分解后時間序列的特征研究,發(fā)現(xiàn)有些序列在趨勢精度和相對誤差上對原始時間序列預(yù)測的重要性程度是相似的,構(gòu)造了各個序列對原始時間序列預(yù)測的綜合貢獻指數(shù),并利用演化聚類算法對其進行聚類。根據(jù)聚類的結(jié)果對分解得到的序列進行重構(gòu),分別構(gòu)建EEMD和變模式分解(VMD)與演化聚類相結(jié)合的多尺度組合預(yù)測模型,研究了模型的性質(zhì),并將兩類模型用于具有高度波動性的原油價格和碳價格的預(yù)測中,不同領(lǐng)域的實證結(jié)果都說明了兩類模型的合理性。(3)針對區(qū)間值多尺度預(yù)測模型,本文按照先簡單后復(fù)雜的研究思路。第一,將區(qū)間值時間序列的上界和下界看作是兩個獨立的時間序列,利用EEMD方法對上界和下界序列分別分解,構(gòu)建一種簡單有效的基于EEMD的區(qū)間值時間序列多尺度組合預(yù)測模型。第二,考慮到將區(qū)間值時間序列的端點分別預(yù)測,忽略了區(qū)間上下界的關(guān)聯(lián)性,借助對復(fù)值序列分解高效的雙變量經(jīng)驗?zāi)Ｊ椒纸?BEMD)方法,對區(qū)間值時間序列的上界和下界同時分解,并利用不同區(qū)間型單項預(yù)測方法對其進行預(yù)測,構(gòu)建了基于BEMD區(qū)間值端點的多尺度組合預(yù)測模型,并研究了模型的優(yōu)良性質(zhì)。第三,考慮到區(qū)間值時間序列的預(yù)測精度不僅與端點的預(yù)測誤差有關(guān),還與區(qū)間長度誤差有關(guān)。本文將區(qū)間值由上下界形式表示成中點和半徑形式,構(gòu)建基于BEMD區(qū)間值中點和半徑的多尺度多目標組合預(yù)測模型。通過對合肥市空氣質(zhì)量指數(shù)區(qū)間值時間序列的實例分析結(jié)果,說明了三種區(qū)間多尺度組合預(yù)測模型的合理性。(4)現(xiàn)有基于時間序列分解集成多尺度預(yù)測模型在構(gòu)建的過程中大多只考慮了歷史數(shù)據(jù),忽略了其它外部影響因素和一些非結(jié)構(gòu)化數(shù)據(jù)的影響,本文考慮數(shù)據(jù)信息的全面性,根據(jù)數(shù)據(jù)源的不同選擇合適的單項預(yù)測方法進行預(yù)測,構(gòu)建基于多源信息的組合預(yù)測模型。從合作對策的觀點出發(fā),提出一種基于改進的Shapley值權(quán)重確定方法。為了進一步提高預(yù)測得精度,構(gòu)建基于Lp范數(shù)的多源信息最優(yōu)化組合預(yù)測模型,探討了不同參數(shù)p取值時模型的變化情況,采用鯨魚尋優(yōu)算法來優(yōu)化模型參數(shù)。結(jié)合對深圳市碳價格數(shù)據(jù)仿真,結(jié)果表明提出的模型具有更高的預(yù)測精度和穩(wěn)定性。
【圖文】：

ＰＭ２５、ＰＭＩＱ、臭氧和一氧化碳的污染值進行集成計算得到最后ＡＱ１的值。目前，逡逑ＡＱＩ的值是人們是否去戶外活動的一個重要的參考，根據(jù)ＡＱＩ的值，空氣質(zhì)量逡逑共被分為六個等級，，針對每個等級都有相應(yīng)的建議，分類結(jié)果如圖３．１．１所示。逡逑因此，準確的預(yù)測ＡＱＩ可以為人們的健康和出行提供科學(xué)的決策依據(jù)，具有重逡逑要的現(xiàn)實意義。逡逑丨：＾＾和相艦，逡逑？二邋、？級１０－５０）邐＞各p}人抑＂ｆｉｌ：�；顒渝义狭煎澹惧宥�級（５卜１００）邋＞異常敏感的人應(yīng)減少戶外活動逡逑、邋邐＾＾逡逑一一士sE，老v ＇丨逡逑．邐國逡逑老人，病人運動，１常人應(yīng)ｉ逡逑卜十吟咖－嚴認，｜：＝桃丨：逡逑ｎV/丨銷．逡逑圖３．邋１．１邋ＡＱＩ分類和相關(guān)信息逡逑２７逡逑

度組合預(yù)測模型。我們首先介紹了處理ＥＥＭＤ中存在端點效應(yīng)的一種簡單有效逡逑的方法：鏡像法；其次，我們構(gòu)建了基于Ｌｉ范數(shù)和基于誘導(dǎo)有序加權(quán)平均（ＩＯＷＡ）逡逑算子的兩種最優(yōu)組合預(yù)測模型對分解后的序列進行預(yù)測，圖３．２．１給出了建模的逡逑基本流程。逡逑ＡＱｉＷｉ始時列邐輸出逡逑邐１＇、邐逡逑含」邐ｉ邋■■、、邐■邐．邋ｉ邋■■■邋■．邐邐足逡逑Ｉ邋舊叫|�和叫丨．．．鍨�耍�．＼邋．邋ＩＭＦｓ．．．逦逦－邋�懇唬遙澹螅椋洌酰邋義希�广逦艺d五五澹�严—逦！辶x�？＿歌■栜，■埼�

本文編號：2702421