一種基于局部最優(yōu)的權(quán)系數(shù)組合預(yù)測模型*

黨 升，馮 曉，盧志豪，韋春桃

(1. 重慶交通大學(xué) 測繪與國土信息工程系，重慶 400074； 2. 重慶交通大學(xué) 工程信息與3S研究所,重慶 400074)

監(jiān)測數(shù)據(jù)處理、分析包括數(shù)據(jù)粗差剔除、濾波去噪、建模預(yù)報(bào)等，而建模預(yù)報(bào)是當(dāng)中非常重要的一部分，其采用的方法一般有回歸分析[1]、時(shí)間序列[2]、灰色模型[3]、神經(jīng)網(wǎng)絡(luò)[4]等。由于某些模型在實(shí)際應(yīng)用中存在一定的不足，有些學(xué)者基于原模型提出了相應(yīng)的優(yōu)化改進(jìn)模型，例如穩(wěn)健回歸分析[5]、模糊AR(p)模型[6]、殘差修正ARMA模型、小波神經(jīng)網(wǎng)絡(luò)[7]模型、改進(jìn)灰色模型[8]等。為了進(jìn)一步融合各模型的優(yōu)點(diǎn)，提高預(yù)測精度，又有學(xué)者提出建立組合預(yù)測模型，例如改進(jìn)的MEEMD-ARMA殘差修正組合預(yù)測模型[9]、GM-BP組合模型[10]、灰色-回歸組合模型[11]等。

文獻(xiàn)[12]在建立最優(yōu)權(quán)組合預(yù)測模型時(shí)，以全部建模樣本的殘差平方和作為目標(biāo)函數(shù)，采用最小二乘準(zhǔn)則確定多個(gè)預(yù)測模型的最優(yōu)權(quán)值，從而使組合模型達(dá)到基于整個(gè)樣本數(shù)據(jù)的全局最優(yōu)。但由于不同模型的建模原理、建模基準(zhǔn)、擬合精度等不同，采用該方法對各個(gè)模型進(jìn)行分權(quán)，可能出現(xiàn)權(quán)重過度偏向于擬合精度較高的模型而忽略其余模型所特有的隱藏信息，使組合模型的預(yù)測精度降低。從系統(tǒng)角度看，隨著系統(tǒng)的發(fā)展，老數(shù)據(jù)刻畫系統(tǒng)演化的作用將逐漸降低[13]，以此建立的模型并不一定能較好地反應(yīng)事物發(fā)展的真實(shí)狀況。因此，在對各模型分權(quán)時(shí)，若能利用近期數(shù)據(jù)作為權(quán)值劃分的依據(jù)，將一定程度上避免老數(shù)據(jù)對模型的不利影響。……