基于模糊C-均值的模糊時間序列模型

王威娜，闞中勛

(1.吉林化工學院理學院，吉林 吉林 132022;2.中石油東北煉化工程有限公司吉林設計院 設備室，吉林 吉林132002)

從統計意義上講，所謂時間序列就是將某一個指標在不同時間上的不同數值，按照時間的先后順序排列而成的數列.時間序列分析是根據歷史數據的相互關系和變化趨勢預測未來的行為和特征，它在股票和醫療等眾多不同的領域都有著廣泛的應用［1-4］.

1993年Song和Chissom［5-7］首先提出了模糊時間序列模型，由于該模型利用模糊邏輯理論，能夠在不確定環境下處理不完整和含糊的數據，使得其在經濟、社會生活等領域得到廣泛應用［8-10］.

發展節約型社會已是我國重要的戰略之一，因此如何能準確的預測能源消耗，確保能源供應，已成為現今社會迫切需要解決的問題.針對這一問題，學者們已將神經網絡、回歸分析、遺傳算法及時間序列分析模型引入到能源需要的預測中.本文結合模糊C-均值(FCM)算法提出一個新的模糊時間序列模型，并將其應用到中國的能源預測中，實驗結果表明了該方法的可行性和有效性.

1 FCM聚類算法

FCM是一種經典的聚類算法，是目前被廣泛采用的一種聚類算法，它能夠給出每個樣本隸屬于某個聚類的隸屬度，它通過對目標函數迭代優化從而使得聚類結果體現出每一個數據對聚類中心的隸屬程度［11-12］.

假設 X={x1，x2，…，xn}是n個數據點，并將其分成c類，聚類中心表示為v={v1，v2，…，vc}，u={uij}是隸屬度矩陣，uij表示xj屬于第i類的隸屬度.FCM算法通過最小化目標……