Застосування теорії нечітких множин другого типу до прогнозування категоріальних часових рядів: математична модель та алгоритм реалізації
DOI: http://dx.doi.org/10.31548/energiya2022.06.104
Анотація
Розглянуто проблему прогнозування категоріальних часових рядів. Такі ряди мають широке практичне застосування майже у всіх сферах діяльності, де застосовуються судження та експертні оцінки. Аналіз сучасних досліджень показав, що залишається недостатньо вивченою проблема врахування нечіткості, яка притаманна словесним оцінкам.
Мета роботи полягає у розробці моделі нечіткого часового ряду, яка дозволить виконувати обчислення зі словами.
У статті застосовується теорія нечітких множин другого типу, в якій приймається, що ступінь приналежності елемента універсальної множини до нечіткої підмножини є також нечіткою на відрізку . Модель нечіткого часового ряду другого типу надає результат у вигляді гранульованого терму, який описується словом і дискретною інтервальною нечіткою множиною другого типу.
На базі запропонованої моделі розроблено нечіткий алгоритм прогнозування часових рядів, який складається з п’яти кроків: визначення моделі слів; фазіфікація значень часового ряду; визначення нечітких відносин; нечітке прогнозування; дефазіфікація результатів прогнозування.
Висока якість запропонованої прогнозної моделі підтверджена трьома оціночними характеристиками: середня абсолютна помилка прогнозу; середньоквадратична помилка прогнозу; середня відносна помилка прогнозу. У подальшому запропонована модель може бути розвинута для розв’язання практичних задач обчислень зі словами при прийнятті рішень.
Ключові слова: часові ряди, категоріальні змінні, нечіткі множини другого типу, невизначеність, обчислення зі словами, нечітке прогнозування
Повний текст:
PDFПосилання
Konstantinos Fokianos. Benjamin Kedem (2003). Regression Theory for Categorical Time Series. Statist. Sci., 18 (3), 357 - 376, https://doi.org/10.1214/ss/1076102425
Monnie McGee, Ian Harris (2012). Coping with Nonstationarity in Categorical Time Series", Journal of Probability and Statistics, Article ID 417393, 9. https://doi.org/10.1155/2012/417393
Song, Q., Chissom, B. S. (1993). Fuzzy time series and its models. Fuzzy Sets and Systems, 54, 269–277 https://doi.org/10.1016/0165-0114(93)90372-O
Mendel, J. M., John, R. I. B. (2002). Type-2 Fuzzy Sets Made Simple. IEEE Transactions on Fuzzy Systems, 10 (2), 117-127.
Petrenko, T., Tymchuk, O. (2012). Package library and toolbox for discrete interval type-2 fuzzy logic systems. In: the 18th International Conference on Soft Computing, MENDEL, Brno, Czech Republic, 233-238.
Mendel, J. M., Wu, D. (2010). Perceptual Computing: Aiding People in Making Subjective Judgments. 1st edn. Wiley-IEEE Press.
Chen, S. M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy Sets Syst., 81 (3), 311–319.
Wu, D., Mendel, J. M., Enhanced Karnik-Mendel (2007). Algorithms for Interval Type-2 Fuzzy Sets and Systems, Fuzzy Information Processing Society, NAFIPS '07. Annual Meeting of the North American, 184 – 189.
Метрики статей
Metrics powered by PLOS ALM
Посилання
- Поки немає зовнішніх посилань.