IOWC-GOWA算子在区间组合预测模型中的应用

"这篇论文研究了基于IOWC-GOWA算子的区间组合预测模型，结合了IOWA算子和连续区间数广义有序加权平均（C-GOWA）算子，用于提高预测精度。作者们利用指数支撑度作为相关性指标构建了新的预测模型，并通过实例分析证明其有效性。该研究发表在《计算机工程与应用》2015年第3期。" 在预测理论中，组合预测方法自1969年由J.M.Bates和C.W.Granger提出以来，已成为一个关键的研究领域。这种方法通过集成多个预测模型，以提高预测的准确性和稳定性，尤其是在面对不确定性时。在不确定环境下，模糊数学因其处理不精确信息的能力，被广泛应用于建模和预测。 论文关注的是基于区间数的组合预测，这是一个相对较新的研究方向。传统的区间组合预测通常基于序列的左右端点，而本研究则提出了一种新的方法，即IOWC-GOWA（Induced Ordered Weighted Continuous Generalized Ordered Weighted Averaging）算子。IOWA算子是一种模糊逻辑工具，用于处理不同权重的加权平均，而C-GOWA算子则是对连续区间数进行加权平均的扩展。通过将这两种算子结合，IOWC-GOWA算子能够更全面地考虑区间数的内部结构和相关性，从而提高预测的精确性。 论文中，作者们引入了指数支撑度作为相关性指标，这一指标能够更好地量化不同预测结果之间的关联性，这对于合理分配组合预测中的权重至关重要。通过实例分析，他们展示了新模型在实际应用中能显著提升预测精度，证明了其理论价值和实践意义。 这篇论文为不确定环境下的区间组合预测提供了一种创新方法，结合了模糊逻辑和区间数理论，有望在工程、经济、金融等领域中为数据预测和决策支持带来改进。这个模型的提出，不仅丰富了组合预测的理论框架，也为未来的研究开辟了新的路径，特别是在处理复杂和不精确数据的预测问题上。