熵值法在组合预测权系数计算中的应用

"熵值法及其在确定组合预测权系数中的应用 (2003年)" 组合预测是一种统计预测技术，通过合并多个预测模型的输出来提高预测的准确性。这种方法在多种学科和领域中都有广泛应用，因为它能够有效地整合不同模型的优点，减少单一模型的预测偏差。关键在于确定每个模型在组合预测中的权重，这直接影响到最终预测结果的质量。 本文由陈华友发表在2003年《安徽大学学报(自然科学版)》第27卷第4期，探讨了利用信息论中的熵值概念来确定这些权重的新方法。熵在信息论中代表信息的不确定性或系统状态的混乱程度。作者将熵的概念应用于预测误差序列的变异程度，以此度量各个预测模型的预测性能。 传统的最优组合预测方法基于特定准则（如最小化预测误差）构建目标函数，然后在约束条件下优化这个函数。然而，这种方法可能会导致负权重，这在实际预测中是没有意义的。为解决这一问题，文章提出了两种途径：一是限制权重为非负；二是研究非最优但满足非负约束的组合预测模型。 非最优正权组合预测方法强调的是预测误差的变异程度与权重之间的关系，即误差越小的模型，其权重应该越大。陈华友的熵值法进一步深化了这一理念，通过计算预测误差序列的熵，量化了模型预测的不确定性，进而确定了权重。这种方法的优势在于概念清晰，计算过程相对简单。 在实际应用中，熵值法首先需要计算每个预测模型的误差序列，然后通过信息熵的计算公式，评估这些误差序列的变异程度。较低的熵值表示模型的预测误差更稳定，因此模型的权重可能更高。通过这种方式，可以得到一组非负权重，这些权重用于加权平均各个模型的预测结果，形成组合预测。 熵值法为组合预测提供了一个新的理论框架，它不仅考虑了预测误差的大小，还考虑了误差分布的不确定性。这种方法有助于更准确地分配权重，从而提高组合预测的精度。通过实例计算，作者证明了这种方法的有效性，表明熵值法在确定组合预测权系数方面具有实用价值。