多用途优化在预测时间序列组中的应用

Астахова Н.Н., Демидова Л.А., Никульчев Е.В.

doi:10.7256/2306-4196.2016.5.20414

返回内容

控制论与编程

正确的文章链接:

Astakhova N., Demidova L., Nikulchev E. 多用途优化在预测时间序列组中的应用 // 控制论与编程. 2016. № 5. С. 175-190. DOI: 10.7256/2306-4196.2016.5.20414 URL: https://cn.nbpublish.com/library_read_article.php?id=20414

多用途优化在预测时间序列组中的应用

Astakhova Nadezhda

梁赞国立无线电工程大学计算与应用数学系研究生

390005, Russia, Ryazanskaya oblast', g. Ryazan', ul. Gagarina, 59/1

asnadya@yandex.ru

Demidova Liliya

博士技术科学

梁赞国立无线电工程大学计算与应用数学系教授;Oskovsky理工学院计算机科学与自动化系

390005, Russia, Ryazanskaya oblast', g. Ryazan', ul. Gagarina, 59/1

liliya.demidova@rambler.ru

Nikulchev Evgeny

博士技术科学

莫斯科理工学院研究副校长教授，库班州立大学首席研究员

119334, Russia, Moskva, g. Moscow, ul. Leninskii Prospekt, 38A

nikulchev@mail.ru

DOI:

10.7256/2306-4196.2016.5.20414

评审日期

16-09-2016

出版日期

29-01-2017

注解: 本文提出了一种利用聚类分析技术和多用途优化原理预测时间序列组的方法。使用基于严格二叉树的预测模型和克隆选择的多用途修改算法开发了聚类时间序列质心的描述，其中在最佳预测模型的选择过程中涉及两个模型质量指标：基于预测平均相对误差计算的亲和力指数和趋势不匹配指标。考虑到预测模型的质量的两个指标是使用Pareto优势的原则，用于在克隆选择的多用途修改算法中形成预测模型的新种群。在解决多用途优化问题的框架内，在形成新的预测模型群体以保持其高度多样性时，提出考虑预测模型拥挤距离的值。显示了使用在严格二叉树基础上形成的一般预测模型来预测包含在一个聚类中的时间序列的前景。给出了实验研究的结果，证实了所提出的方法在解决多用途优化问题的框架内对时间序列群进行短期和中期预测的有效性。

出版日期:

时间序列, 预测模型, 严格二叉树, 克隆选择的算法, 多用途优化, 亲和力指数, 趋势不匹配的指标, 平均相对误差, 帕累托优势, 拥挤距离

杂志

多用途优化在预测时间序列组中的应用