基于警度组合预测SVM警信号识别模型及其算法研究

作     者：宋欢 

作者单位：江西师范大学 

学位级别：硕士

导师姓名：刘超

授予年度：2018年

学科分类：12[管理学] 030606[法学-公安情报学] 03[法学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0306[法学-公安学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：复杂预警 警度 预警信号 等级临界点 支持向量机 组合预测 数据融合 生态经济 

摘      要：预警是指根据对象要素的历史与现状,预报未来偏离期望状态的程度等级,偏离的程度等级一般通过不同的警信号表示。面向经济社会领域的复杂预警,适宜采用黄色预警机制;对于黄色预警指数策略,若运用警度测算外推范式时,警信号预报依赖于等级临界点(警信号识别)与未来期的警度。等级临界点警度通常由群体决策直接选取,而未来期警度则是以样本期测算警度为样本采用时序预测方法生成;由于等级临界点警度与未来期警度生成的技术途径不同,使得两者之间的匹配性差。对于概念抽象的临界点警度,专家难以做出准确判断,使得警信号预报不准确,影响预警的可靠性。本文阐明回归支持向量机(SVM)原理与警度多重交叉SVM组合预测的体系结构,以群体决策选取的预警属性等级临界点为基础,按照多重交叉SVM组合预测计算与数据轨迹,提出警信号识别策略与技术途径,构建警信号识别(临界点警度)模型及其算法。以区域生态经济系统警信号识别为例,将SVM警信号识别模型及其算法加以实际应用,以检验警信号识别方法的有效性和适用性。实证应用表明:警信号识别方法生成的警度与组合预测的警度相比,相对误差均小于1.98%,则识别警度与组合预测警度具有精确一致性;等级临界点与时序样本的关联度越大,等级临界点识别警度与时序样本组合预测警度差异越小,则识别警度与组合预测警度具有关联差异性。