發(fā)布時(shí)間：2020-06-08 02:52

【摘要】：時(shí)間序列預(yù)測(cè)具有重要的理論研究和實(shí)際應(yīng)用背景,已廣泛應(yīng)用到經(jīng)濟(jì)、金融、能源和環(huán)境等領(lǐng)域的預(yù)測(cè)中。隨著社會(huì)系統(tǒng)復(fù)雜性的不斷增加,導(dǎo)致預(yù)測(cè)指標(biāo)的時(shí)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(cè)模型在處理非平穩(wěn)、非線性時(shí)間序列預(yù)測(cè)方面更能反映數(shù)據(jù)特征,已逐漸成為時(shí)間序列預(yù)測(cè)的重要工具之一。由于不同時(shí)間序列的單項(xiàng)預(yù)測(cè)方法各有其特點(diǎn),因此探討基于時(shí)間序列特征驅(qū)動(dòng)分解的多尺度組合預(yù)測(cè)模型和性質(zhì)的研究具有重要的理論價(jià)值和應(yīng)用價(jià)值。系統(tǒng)研究基于分解集成多尺度預(yù)測(cè)模型的文獻(xiàn)表明,目前尚有一些值得探討的理論和應(yīng)用問(wèn)題。第一,現(xiàn)有的分解集成多尺度預(yù)測(cè)模型對(duì)分解后得到的序列通常是利用單項(xiàng)預(yù)測(cè)模型,而單項(xiàng)預(yù)測(cè)結(jié)果直接影響多尺度預(yù)測(cè),可能會(huì)帶來(lái)較大的誤差,增大預(yù)測(cè)的風(fēng)險(xiǎn)。第二,在分解集成多尺度預(yù)測(cè)模型中基于時(shí)間序列分解方法得到的序列一般數(shù)量較多,若對(duì)所有的序列構(gòu)建模型,則模型的計(jì)算量太大,而且可能會(huì)帶來(lái)誤差的累積效應(yīng);第三,針對(duì)區(qū)間值多尺度預(yù)測(cè)模型,尚未有文獻(xiàn)討論對(duì)分解后序列構(gòu)建組合預(yù)測(cè)模型,并且現(xiàn)有的模型在預(yù)測(cè)中通常只考慮了區(qū)間值端點(diǎn)的預(yù)測(cè)誤差而忽略區(qū)間的長(zhǎng)度誤差,這將導(dǎo)致預(yù)測(cè)結(jié)果不確定性增加;第四,現(xiàn)有的多尺度預(yù)測(cè)模型在構(gòu)建的過(guò)程中,往往只考慮歷史數(shù)據(jù)對(duì)模型的影響,事實(shí)上,預(yù)測(cè)結(jié)果可能還會(huì)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(duì)以上問(wèn)題,本文提出幾類(lèi)基于時(shí)間序列特征驅(qū)動(dòng)分解的多尺度組合預(yù)測(cè)模型,并應(yīng)用到實(shí)際預(yù)測(cè)問(wèn)題中。主要的研究工作為:(1)現(xiàn)有的基于集成經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)的多尺度預(yù)測(cè)模型,在EEMD過(guò)程中存在端點(diǎn)效應(yīng),且對(duì)分解后得到的序列僅利用單項(xiàng)預(yù)測(cè)方法進(jìn)行預(yù)測(cè)。針對(duì)該問(wèn)題,本文構(gòu)建基于改進(jìn)的EEMD的時(shí)間序列多尺度組合預(yù)測(cè)模型。在鏡像法處理原始時(shí)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(xiàng)預(yù)測(cè)方法對(duì)分解得到的序列進(jìn)行預(yù)測(cè),并構(gòu)建基于EEMD的L1范數(shù)的多尺度組合預(yù)測(cè)模型,探討了模型的優(yōu)良性質(zhì)�？紤]到不同預(yù)測(cè)方法的預(yù)測(cè)精度隨時(shí)間的變化,構(gòu)建基于改進(jìn)的EEMD變權(quán)多尺度組合預(yù)測(cè)模型。結(jié)合空氣質(zhì)量指數(shù)預(yù)測(cè)進(jìn)行實(shí)證分析,從誤差指標(biāo)、有效性指標(biāo)和DM檢驗(yàn)的結(jié)果表明了該模型的有效性。(2)針對(duì)時(shí)間序列分解后得到序列數(shù)量較多的問(wèn)題,通過(guò)分解后時(shí)間序列的特征研究,發(fā)現(xiàn)有些序列在趨勢(shì)精度和相對(duì)誤差上對(duì)原始時(shí)間序列預(yù)測(cè)的重要性程度是相似的,構(gòu)造了各個(gè)序列對(duì)原始時(shí)間序列預(yù)測(cè)的綜合貢獻(xiàn)指數(shù),并利用演化聚類(lèi)算法對(duì)其進(jìn)行聚類(lèi)。根據(jù)聚類(lèi)的結(jié)果對(duì)分解得到的序列進(jìn)行重構(gòu),分別構(gòu)建EEMD和變模式分解(VMD)與演化聚類(lèi)相結(jié)合的多尺度組合預(yù)測(cè)模型,研究了模型的性質(zhì),并將兩類(lèi)模型用于具有高度波動(dòng)性的原油價(jià)格和碳價(jià)格的預(yù)測(cè)中,不同領(lǐng)域的實(shí)證結(jié)果都說(shuō)明了兩類(lèi)模型的合理性。(3)針對(duì)區(qū)間值多尺度預(yù)測(cè)模型,本文按照先簡(jiǎn)單后復(fù)雜的研究思路。第一,將區(qū)間值時(shí)間序列的上界和下界看作是兩個(gè)獨(dú)立的時(shí)間序列,利用EEMD方法對(duì)上界和下界序列分別分解,構(gòu)建一種簡(jiǎn)單有效的基于EEMD的區(qū)間值時(shí)間序列多尺度組合預(yù)測(cè)模型。第二,考慮到將區(qū)間值時(shí)間序列的端點(diǎn)分別預(yù)測(cè),忽略了區(qū)間上下界的關(guān)聯(lián)性,借助對(duì)復(fù)值序列分解高效的雙變量經(jīng)驗(yàn)?zāi)Ｊ椒纸?BEMD)方法,對(duì)區(qū)間值時(shí)間序列的上界和下界同時(shí)分解,并利用不同區(qū)間型單項(xiàng)預(yù)測(cè)方法對(duì)其進(jìn)行預(yù)測(cè),構(gòu)建了基于BEMD區(qū)間值端點(diǎn)的多尺度組合預(yù)測(cè)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(shí)間序列的預(yù)測(cè)精度不僅與端點(diǎn)的預(yù)測(cè)誤差有關(guān),還與區(qū)間長(zhǎng)度誤差有關(guān)。本文將區(qū)間值由上下界形式表示成中點(diǎn)和半徑形式,構(gòu)建基于BEMD區(qū)間值中點(diǎn)和半徑的多尺度多目標(biāo)組合預(yù)測(cè)模型。通過(guò)對(duì)合肥市空氣質(zhì)量指數(shù)區(qū)間值時(shí)間序列的實(shí)例分析結(jié)果,說(shuō)明了三種區(qū)間多尺度組合預(yù)測(cè)模型的合理性。(4)現(xiàn)有基于時(shí)間序列分解集成多尺度預(yù)測(cè)模型在構(gòu)建的過(guò)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(xiàng)預(yù)測(cè)方法進(jìn)行預(yù)測(cè),構(gòu)建基于多源信息的組合預(yù)測(cè)模型。從合作對(duì)策的觀點(diǎn)出發(fā),提出一種基于改進(jìn)的Shapley值權(quán)重確定方法。為了進(jìn)一步提高預(yù)測(cè)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(cè)模型,探討了不同參數(shù)p取值時(shí)模型的變化情況,采用鯨魚(yú)尋優(yōu)算法來(lái)優(yōu)化模型參數(shù)。結(jié)合對(duì)深圳市碳價(jià)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(cè)精度和穩(wěn)定性。
【圖文】：

ＰＭ２５、ＰＭＩＱ、臭氧和一氧化碳的污染值進(jìn)行集成計(jì)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(dòng)的一個(gè)重要的參考，根據(jù)ＡＱＩ的值，空氣質(zhì)量逡逑共被分為六個(gè)等級(jí)，，針對(duì)每個(gè)等級(jí)都有相應(yīng)的建議，分類(lèi)結(jié)果如圖３．１．１所示。逡逑因此，準(zhǔn)確的預(yù)測(cè)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(shí)意義。逡逑丨：＾＾和相艦，逡逑？二邋、？級(jí)１０－５０）邐＞各p}人抑＂ｆｉｌ：�；顒�(dòng)逡逑良邋＞邋二級(jí)（５卜１００）邋＞異常敏感的人應(yīng)減少戶外活動(dòng)逡逑、邋邐＾＾逡逑一一士sE，老v ＇丨逡逑．邐國(guó)逡逑老人，病人運(yùn)動(dòng)，１常人應(yīng)ｉ逡逑卜十吟咖－嚴(yán)認(rèn)，｜：＝桃丨：逡逑ｎV/丨銷(xiāo)．逡逑圖３．邋１．１邋ＡＱＩ分類(lèi)和相關(guān)信息逡逑２７逡逑

度組合預(yù)測(cè)模型。我們首先介紹了處理ＥＥＭＤ中存在端點(diǎn)效應(yīng)的一種簡(jiǎn)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(cè)模型對(duì)分解后的序列進(jìn)行預(yù)測(cè)，圖３．２．１給出了建模的逡逑基本流程。逡逑ＡＱｉＷｉ始時(shí)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�，广逦艺d五五澹�严—逦！辶x�？＿歌■栜，■埼�

本文編號(hào)：2702421