不同FCM聚类算法的模糊时间序列预测模型比较
Comparison of Fuzzy Time Series Prediction Models with Different FCM作者机构:贵州师范大学数学科学学院贵州贵阳550025
出 版 物:《数学的实践与认识》 (Mathematics in Practice and Theory)
年 卷 期:2024年第54卷第5期
页 面:128-140页
学科分类:12[管理学] 02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 0714[理学-统计学(可授理学、经济学学位)] 070103[理学-概率论与数理统计] 0701[理学-数学]
基 金:国家自然科学基金委员会项目(32260225) 贵州省科技计划项目(125200004292035218)
主 题:模糊时间序列 鲁棒性 DTW-MFCM算法 预测模型
摘 要:在模糊时间序列预测模型通常涉及到论域的划分,通常用FCM聚类算法来对论域进行划分,或者用样本点和聚类中心计算出的相似性距离(DTW)来代替传统的欧式距离,即得到DTW-FCM聚类算法来对论域划分.其中基于DTW的FCM聚类算法(DTW-FCM),引入了一个负指数变量,以获得更好的鲁棒性,由此设计出基于DTW改良后的FCM聚类算法(DTW-MFCM).最后将Alabama大学入学人数预测案例和美国二氧化碳排放总量实列应用到该模型上,将预测结果与其他模糊时间序列预测模型进行比较,结果表明该模型的预测精度和稳定性明显提高,优于其他经典模型.