序列相对贴近度在组合预测权值分配中的应用

"这篇论文是2009年12月发表在北京航空航天大学学报上的，作者包括吕永乐、郎荣玲和谈展中，主题聚焦于时间序列的组合预测权值分配技术。该研究旨在改进传统基于均方误差倒数、熵权和最优化方法的不足，提出了一个新的权值分配策略——序列相对贴近度（SRND，Sequence Relative Nearness Degree）。" 在时间序列预测中，组合预测是一种有效的方法，它通过结合多个预测模型的预测结果来提高预测精度。然而，如何合理地分配各个模型的权重一直是个挑战。传统的权值分配方法，如均方误差倒数加权和熵权，往往存在局限性。为了克服这些不足，研究者们引入了序列相对贴近度的概念，这是一个衡量预测序列与实际样本序列之间匹配程度的指标。 SRND不仅考虑了预测值的准确度，还考虑了序列的趋势关联度和尺度区间熵，这使得它能够更全面地评估模型的适应性。序列趋势关联度关注序列间的趋势一致性，而尺度区间熵则用于刻画序列的复杂性和不确定性。通过这些度量，SRND权重分配方法能更精确地反映模型在不同条件下的表现。 论文中，SRND权重分配策略被应用于航空发动机排气温度裕度参数的时间序列预测，结合了联合自回归滑动平均模型（ARIMA）、函数系数自回归模型（FCAR）以及径向基函数网络（RBFN）等预测模型。实验结果显示，这种方法在提高预测准确度方面优于均方误差倒数加权和熵权方法，而且计算复杂度远低于最优化方法，因此具有较高的实用价值。 关键词涵盖了时间序列分析、组合预测、建模以及性能评估，表明这篇论文深入探讨了这些领域的理论与实践问题。根据中国图书馆分类号023（数学）和TP18（自动控制与系统工程），可以判断这属于数学方法在自动化和系统工程中的应用研究。文献标识码A则表示这是一篇原创性的学术研究文章。 这篇论文提出的SRND权值分配方法为时间序列预测提供了一种新的优化工具，特别是在处理复杂和动态的数据时，这种方法有望提高预测的可靠性和效率。