郑建红开题报告终稿Word文档格式.docx

郑建红开题报告终稿Word文档格式.docx

《郑建红开题报告终稿Word文档格式.docx》由会员分享，可在线阅读，更多相关《郑建红开题报告终稿Word文档格式.docx（24页珍藏版）》请在冰点文库上搜索。

近年来，预测学为了适应社会经济的发展和管理的需要而发展迅速。

预测技术有了很大的提高，并且定性预测模型方法和定量预测模型方法也发展的越来越完善。

虽然他们各有优缺点，但是它们之间并不是相互排斥、或者毫无关系的，他们相互联系、相互补充（朱素玲，2010）。

对预测对象每种预测方法所呈现出来的特征不一样，即每种预测方法所提供的有用信息是不同的，如果简单地将一些预测方法舍弃势必会造成有用信息的缺失。

基于此，Bates和Granger于1969年首次提出了一个既能充分利用各种模型的优点又合理的做法，即综合考虑各单项预测方法的特点，将不同的单项预测方法进行组合，提出组合预测模型的概念。

即组合预测是指利用各种单项预测方法的结果，经计算后赋予不同预测方法适当的权重，以加权平均的形式得出组合预测模型。

组合预测模型的预测精度通常要比单一模型更加精确，其预测的优势得到了国内外学者的认可，并引发了一种对组合预测的研究热潮，随着国内外对组合预测的研究逐步深入，组合预测的预测精度也得到了不断的提高。

但社会经济现象的不确定因素也随之在增加，诸如政治危机、经济危机、能源危机、恐怖活动等。

所有这些不确定因素增加人们从心理上了解和掌握未来的必要性和迫切性。

人们日益意识到提高预测精度的重要性，这也就成为预测学科进一步发展的推动力（戴华娟，2007）。

本文正是在这样的大背景下，对如何提高组合预测精度进行了分析，以黑龙江省历年农业机械总动力（以下简称农机总动力）为研究对象，以提高组合预测精度为研究目的，分析了提高组合预测精度所需的步骤。

1.2研究的目的意义

1.2.1研究的目的

组合预测在我国起步于20世纪90年代，发展至今，无论是理论知识还是在实践中的具体应用都显得非常成熟。

本文在前人成熟理论基础上进一步对组合预测误差产生的原因进行分析，目的是寻找衡量组合预测精度的方法以及对各种组合预测方法（不同的权重计算方法）的预测精度进行探讨和分析，为更科学合理地应用组合预测方法提供理论指导，以期为从根本上提高组合预测的精度打下了基础。

在此基础上，采用最优预测精度的组合预测方法对黑龙江省农机总动力进行预测，以期提高农机总动力的预测精度，以便为农业机械的生产部门和决策部门提供管理和决策的科学依据。

1.2.2研究的意义

（1）研究的理论意义

本文通过研究大量国内外文献，首先阐述了组合预测的概念及提高组合预测精度的重要意义；

其次提出单一模型选取的原则及步骤，组合预测模型权重计算过程及修正分配，组合预测精度评价指标体系的建立；

然后用所建立的评价指标体系评价各种权重计算方法下的组合预测方法的精度，并采用研究后认为科学合理的组合预测方法用于实际中的预测。

系统化的研究在一定程度上丰富了组合预测精度的内容，使组合预测理论更加完善，因此本研究具有一定的学术意义。

（2）研究的实际意义

黑龙江省是我国的农业大省，也是农业机械化大省，素有“骑在铁牛背上的农业”之誉。

近年来，为了进一步加快了农机化发展步伐，每年财政投入数千万元专项用于更新、改造农机具，全省农村农民购买农机具出现热潮，使农机总动力不断提高，这对推动全省经济发展具有重要意义，因此做好全省的农机总动力的预测工作显得尤为重要。

它不仅可以为农业机械的生产部门提高科学准确的生产依据，而且可以为政府、企业等决策部门提供原材料采购、生产、销售等环节上的决策依据，达到资源的合理利用。

本研究不仅具有一定的学术价值，同时对黑龙江全省农业机械的生产、销售，农作物播种面积、肥料产量等相关行业都有一定的实际指导作用。

二、组合预测精度的国内外研究动态和趋势

在进行预测活动时，对同一预测对象常采用不同的预测方法。

不同的预测方法可以提供不同的有用信息，这些有用信息又来自预测对象的各个方面，因此其预测精度往往也不同。

如果简单地将预测误差较大的一些方法舍弃，将会丢失一些有用的信息，这种做法显然是对有用信息的一种浪费。

因此，如何提高预测精度的同时又能最大限度的利用单一预测方法提供的有用信息是预测者要考虑的问题，基于这种目的组合预测模型的构想应运而生了。

组合预测是指利用各种单项预测方法的结果，经计算后赋予不同预测方法适当的权重，以加权平均的形式得出组合预测模型。

2.1国外研究动态

组合预测方法国外称之为Combinationforecasting，1954年美国人Schmitt用外推法和计量经济法两种结果进行组合，对美国37个大城市的人口数进行预测，预测精度得到了提高，组合预测模型的思想有了初步的轮廓。

组合预测是在1969年J.M.Bates和C.W.J.Granger的论文《预测值的组合》中首次被提出，但它只限于两个预测值的组合。

自从组合预测方法被提出来后，其预测精度优于单一模型的思想迅速被更多的人所接受，但组合预测的精度受两个方面因素的限制：

一方面是各单一预测模型的选择；

另外一方面则是各个单一模型在组合预测中的权重。

（1）单一预测模型的研究

J.M.Bates和C.W.J.Granger首次提出组合预测概念时建议的组合预测方法通常称为最小方差法，即在均方预测误差（无偏时为预测误差的方差）指标下的加权平均组合预测，我们把这种组合预测方法简称为B-G最优组合或B-G模型。

B-G模型的第一个问题是单项预测模型相关而引起的多重共线性问题。

对此，Guerald和Clemen（1989）采用了岭回归和和特征根回归方法估计组合系数。

当单项预测模型之间具有很强的相关性时，Winkler（1989）提出B-G模型可能造成严重的多重共线性问题，导致极端情况下高度不稳定的负权重，使得组合预测值远高于或低于单项预测值。

Elton（1976），Min和Amold（1993）指出采用随机时变参数的组合模型也未必能取得优于简单模型的性能。

因此，Makridakis（1989）和Winkler（1989）提出，一种实用的组合预测方法是增加基于不同信息来源的单项预测模型，然后简单平均。

另一种更为系统的方法是根据各单项预测方法对各种期限和各种不同但相关序列呈现出的系统性能差别，选择两种情况下平均性能最好的单项方法进行简单平均。

然而，这两种方法在应用中都可能因为实际条件所限而难以有效实施。

因此，能否用简单组合的鲁棒性结合单项预测历史表现的方式取得超出简单组合模型的性能成为一个很值得研究的问题。

Diebold（l990）做了新的有益尝试。

通过将简单平均组合作为非样本信息，采用经验贝叶斯方法更新组合权重，并取得接近但未超出简单平均组合的性能。

B-G模型的第二个问题是单项预测模型之间的相对性能和相关特性的不确定性会造成预测误差信息矩阵的不稳定性，针对单项预测的不稳定性及相应的后果，Newbold和Grange（1974）建议忽略相关性，仅根据相对性能确定权重，形成了方差倒数加权法，实际应用取得了良好效果，其性能甚至略优于简单平均法。

（2）单一预测模型的权重研究

负权重的理论普遍不为人们所接受，对于严重的负权重，J.M.Bates和C.W.J.Granger（1969）称作异例（anomaly），并建议加入组合权重的非负约束。

C.W.J.Granger建立了一个非负变权重组合预测模型，利用线性规划与非线性规划的理论，给出了在拟合点上最优的，非负可变权重的计算方法，还探讨了在预测点上非负可变权重的估计。

在单一模型权重研究上Granger和Ramanathan（1984）从组合误差零均值和多元回归角度试图说明加权向量W的无约束性，甚至还可以对组合预测模型添加一个常数项。

Clemen和Trenkler（1986）反对Granger和Ramanathan的观点并进行了实例反证。

对B-G模型有效性和合理性最严重的质疑来自于Clemen（1986）及Holden和Peer（1989）的经验和理论分析。

Clemen在应用中考查了无约束和对组合系数施加线性约束的线性回归组合预测性能（线性约束包括截距项为零以及回归系数之和为l），他发现，约束最小二乘估计的组合预测模型的性能优于无约束估计的模型，尤其是无截距项的模型表现最好。

Min和Zellner（1993）对Clemen的结论给予支持。

Holden和Peel建议增加权重和为1的约束以消除预测变量无条件期望值的影响，并保留截距项以校正偏差。

Granger和Ramanathan（1984）建议在加权平均组合预测模型中增加一截距项，并放弃权重和为1的约束。

他们的建议引起了一系列进一步的研究，目前在组合预测中更倾向于权重为1的约束条件，如果单一预测方法的权重超过1，则组合模型便失去了意义。

非线性模型主要是指用神经网络、遗传算法以及蚁群算法等人工智能模型作为组合预测模型，利用现有的计算机软件，其单一模型的权重也不难求的。

目前主要采用的是线性组合预测，同时，非线性组合预测也得到了一定的发展。

Tihiletti（1994）深入地研究了贝叶斯组合预测方法，得到了一种非线性组合预测方法，其预测精度要高于线性组合预测模型。

Donaldson等人（1996）利用BP神经网络来选择6个指数平滑预测模型的组合权重。

DonaldsonandKamstra（1996）提出用神经网络方法和非参数核估计变权数加权方法来确定非线性组合预测方法。

LiandTkacz（2001）比较了线性和非线性组合预测模型的预测效果。

拟合结果表明非线性方法优于线性方法，当单个预测模型的预测残差彼此相关时，非参数方法得到最小均方误差若不相关时，神经网络方法最好。

2.2国内主要研究动态

近年来我国在组合预测方法研究方面也取得了一系列成果。

电子科技大学唐小我教授、重庆大学曹章修教授、安徽财贸学院马永开教授及广东商学院周传世博士等人的研究成果尤为突出，相继在我国预测领域中的权威性学术刊物《预测》、《管理工程学报》、《电子科技大学学报》、《系统上程理论与实践》等刊物上发表了一系列关于组合预测的学术论文，为促进我国组合预测的理论研究与应用做出了重要的贡献。

毫无疑问，组合预测己经成为预测领域中的一个重要研究方向，引起了众多学者浓厚的研究兴趣。

尤其是近年来，组合预测方法已经成为预测领域中一个重要的研究方向，并取得了一系列重要的研究成果。

目前，关于组合预测的研究方法有很多，大致可分为以下几种。

（1）按组合预测与各单项预测方法间的函数关系，可以分为线性组合预测模型和非线性组合预测模型。

在线性组合预测模型方面：

唐小我（1991）通过使组合预测误差平方和极小化来确定线性组合预测模型的最优加权系数，给出了计算最优加权系数的计算公式。

唐小我、曹长修（1992）证明了组合预测误差平方和小于各个单项预测误差平方和的加权平均值，且必然小于各个单项预测误差平方和的最大值，并证明了简单加权平均法和方差倒数加权平均法预测误差平方和的上界均小于简单平均法预测误差平方和的上界。

王福林，张晋国（1995）探索了一种求解由两个模型构成的组合预测模型最优权重估计的新方法---二次规划法。

马永开，唐小我（1998）从线性组合预测模型绝对误差序列出发，对线性组合预测模型的精度特征进行描述和分析，系统地研究线性组合预测模型的优化方法，为线性组合预测模型的优化方法和优化设计提供理论基础。

李林川，吕冬，武文杰等（2002）将电力系统负荷预测的三种主要方法，即外推法、灰色预测法和人工神经网络法结合起来，建立了一种线性组合预测模型，克服了单一方法的缺陷，扩大了适应范围，提高了预测的精度。

甘健胜等人（2006）通过对不同预测模型的线性组合得到了效果更好的线性组合预测模型，并以福建城镇居民恩格尔系数为研究对象,证明了线性组合预测模型预测精度要更优。

张晓如等（2007）对两个传统的线性组合预测模型进行了研究比较，并提出了改进算法，最后提出了一种预测精度更高的组合预测模型。

高尚等人（2008）在讨论传统的组合预测方法的基础上,对相对误差准则下的线性组合预测进行了研究和推广。

分别以相对误差平方之和最小、相对误差之和最小、最大相对误差最小为准则,给出了9个线性组合预测模型,其中有6个线性组合预测模型是新提出的,并且讨论了模型的解法。

最后以美国加州电力日均价为例,给出了9种线性组合预测模型的预测结果,验证了新模型的精确性和优越性。

张志朝（2009）以组合预测误差平方和最小为准则，确定各单一预测方法的权重系数，得到了最优线性组合预测模型，并对未来5年安徽省人均GDP进行了预测。

研究表明该模型在实际预测工作中具有较好的实用性。

韩东等人（2010）针对组合预测效果评价中存在着把拟合精度和预测精度相混淆的问题,阐述了区分样本区间和预测区间的组合预测精度评价方法,并在预测区间上对2种常用的基于绝对误差的线性组合预测方法的预测精度进行了评价,对评价结果进行实例和理论分析。

在此基础上,提出一种新的基于绝对误差的线性组合预测方法---基于预测模型有效性的线性组合预测方法。

在非线性组合预测研究方面：

高仁样（1996）等人则基于贝叶斯理论分析，推导出非线性组合预测模型，黎志成等人（2002）将其应用于市场需求预测；

董景荣（2000）针对线性组合预测方法的局限性，提出了一种基于T-S模糊模型的非线性组合预测新方法，并给出了相应的反向传播学习算法。

刘晓斌（2002）则利用反向传播算法，结合组合预测模型的思想，得到一种非线性组合预测方法。

胡平、康玲（2004）将基于人工神经网络的非线性组合预测方法应用于径流预测中，以1996年太阳沱的洪水资料为例，对已经建立的两个模型采用三层的BP网络进行组合模拟预测，从多方面分析比较，证明非线性组合预测方法能够提高预测精，,结果令人满意。

向小东（2007）提出了基于小波神经网络的非线性组合预测方法，给出了其组合预测原理及具体学习算法，并将其用于国际原油期货价格数据的预测。

姜明辉等（2008）利用遗传规划（GP）构建了一种非线性组合预测模型，将模型应用于某商业银行的消费信贷数据的分类，其结果表明基于GP的非线性组合预测模型有效地提高了分类精度。

陈涛（2010）提出基于AGA-SVM的非线性组合预测模型，以组合预测模型的误差平方和最小为优化准则,用加速遗传算法对支持向量机参数进行优化选择，并利用支持向量机对单一模型的预测结果进行组合预测。

算例结果表明，基于AGA-SVM的非线性组合预测模型预测误差远远小于各单个模型的预测误差，其预测精度更高，模型的实用性更强.

（2）按组合预测加权系数计算方法的不同，组合预测方法可以分为最优组合预测方法和非最优组合预测方法。

最优组合预测方法的基本思想就是根据某种准则构造目标函数，在一定的约束条件下求得目标函数的最大值或最小值，从而求得组合预测方法加权系数（商勇，2005）。

非最优组合预测方法就是根据预测学的基本原理，并力求简便的原则来确定组合预测的权系数的一种方法。

具体地说，就是根据各个单项预测模型预测误差的方差和其权系数成反比的基本原理，给出组合预测的权系数的计算公式（毕守东，2000）。

唐小我教授（1992）提出的一种最优组合预测方法。

这种方法的思想是:

根据“过去一段时间内组合预测误差最小”这一原则来求取各个单项预测方法的权系数向量的。

这种方法存在的问题主要有二:

一是可能出现负权重;

二是求出的权重是否最优。

目前预测学界对于负权重是否可以接受尚有一定争议，认为权重表示对某种方法的偏重程度，所以负权重没有实际的意义，应避免出现负权重，权重的变化范围应为（0，1）。

唐小我和曹长修（1992）讨论了简单平均法的适用条件。

同年给出了最优组合预测方法的预测误差平方和恰好等于参加组合预测的各个单项预测方法预测误差平方和的最小值的充分条件，并就最优组合预测方法预测误差平方和的取值范围等问题进行了研究,得出了一些新的结果。

唐小我、曹长修、金德运（1994）证明了非负权重最优组合预测的权重存在且唯一。

王应明、傅国伟（1994）按照预测效果评价原则和惯例，给出五种评介指标:

平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差，并且指出不同误差准则和范数的组合预测方法能够取得不同的预测效果。

杨桂元（1996）在冗余方法和优性组合预测方法两个概念的基础上，探讨了确定冗余方法的几个问题，揭示了非负权重最优组合权重与预测误差协方差阵和最优组合权重之间的关系。

马永开（1997）指出参加组合的预测方法增多时，非负权重最优组合预测方法的预测误差平方和一定不会减小，非负权重最优组合预测方法的预测误差平方和不小于等于各个单项预测方法预测误差平方和中的最小者，并对冗余方法进行了进一步研究。

曾勇等（1998）给出了一个新的冗余方法判定规则。

毕守东、王冬平（2000）用最优加权组合预测方法来预测安徽省粮食产量的发展变化趋势，为指导粮食生产提供科学的依据。

邓雪等（2001）应用矩阵理论给出了最优组合预测方法预测误差平方和达到上界的一个充要条件的证明。

杨涛、廖利（2003）提出了应用于预测城镇垃圾产生量的最优组合模型，该模型通过把可用的单项预测模型值进行两两逐一组合分析，以误差平方和最小为准则，求出最优加权组合系数，建立组合预测模型。

通过实例分析，表明其预测值比参加组合的任一单项模型预测值更为精确，该方法在城镇垃圾产生量预测中有一定的应用价值。

鲍一丹、吴燕萍（2004）为了解决各种单一传统的预测方法中存在的问题，提出了一种BP神经网络最优组合的预测方法。

通过对浙江省农机总动力需求预测，表明该方法比各种单一的预测方法都有更高的预测精度。

童明荣等（2006）提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型，采用线性规划的方法确定最优组合的权系数，并用实例证明了改预测方法的预测精度。

陈雁、王福林（2008）给出负权重最优组合预测模型的求解方法—Wolfe方法，即以Kuhn-Tucker条件为基础把二次规划问题转化成线性规划问题进而求解。

孙将平（2009）通过求解最优权重来建立最优组合预测模型，运用此模型对浙江省未来10年的水路货运量进行预测，得到了更高精确度和可信度的预测结果。

周礼刚、陈华友（2010）将对数灰关联度和IOWGA算子相结合，提出一种基于对数灰关联度的IOWGA算子最优组合预测模型，并定义了优性组合预测的概念，最后通过对税收收入进行组合预测说明该组合预测方法的有效性和合理性，证明了该模型存在优性组合预测。

（3）按组合预测加权系数是否随时间的变化，组合预测方法可以分为不变权重组合预测方法和可变权重组合预测方法。

不变权重组合预测方法就是通过最优化规划模型或其它方法计算出各个单项预测方法在组合预测中的权系数。

可变权重组合预测方法就是组合预测加权系数随着时间的变化而变化。

可变权重组合预测方法的研究起步较晚，确定方法仍处于探讨阶段，但可变权重组合预测方法的预测精度明显高于不变权重组合预测方法，故研究广泛（闫海霞，2009）。

不变权重组合预测：

90年代以前的组合预测方法大都是不变权重的组合预测方法，即各种单一模型的组合权重系数是不变化的。

这种组合预测模型在进行短期（1-2年）的预测是比较科学的，算法也比较简单，预测效果也比各种单一模型准确。

但对于中长期预测来说，不变权重组合预测模型无论是在预测效果方面，还是在经济意义方面，都难以达到令人满意的程度。

基于不变权重的方法主要有：

简单平均法、预测历史权重法、最优行为方法、贝叶斯方法、协方差方法、有约束或无约束的最小方差法和权重最小方差法等。

方差倒数法（简称RVRW法），但是这类方法的收敛速度较慢。

曾勇等人（1995）提出基于二元最优组合的迭代算法，使收敛速度进一步提高。

同年，曾勇又提出一种简化单纯形法，该方法无需加入人工变量构造初始可行基，减少了计算的复杂度而且能够求出精确解。

王明涛（1997）提出预测方法有效度的概念，陈华友（2002）在此概念的基础上提出了基于预测方法有效度准则的组合预测模型，

陈华友（1997）、王明涛（1999）、马永开（2003）都是以预测精度的数学期望和预测精度的标准差这两个指标，建立了多目标规划组合预测模型。

为了使普通的组合预测法（如加权算术、加权几何、加权调和组合预测法）能取得更好的预测效果，产生了一系列广义加权的组合预测方法。

陈孝新（2001）对广义加权算术平均组合预测技术作进一步研究，通过加入折扣因子和可调参数P，取得了较好的效果。

黄岩等人（2001）提出一种非线性规划法Wolfe法，要想达到较高的精度（误差较小），收敛速度会很慢。

刘兵军（2002）对电力系统负荷预测的多种预测模型进行组合优化，用最小二乘法确定其权重，得到权重的解析表达式，使组合预测理论进一步得到完善。

郭金等（2005）应用shapley值方法进行研究，根据分摊的误差来确定各个成员的权重，实例表明Shapley值方法确定的组合预测模型可以比其他方法更好地减小预测的误差。

张艳等（2006）提出了一种新的组合预测方法，即以绝对值之和最小为目标函数的最小绝对值法，通过实例将新方法和传统方法进行对比，验证了新方法的精确性和优越性。

王吉权等（2008）给出了一种求解组合预测模型权重的新方法，该方法利用最优化理论当中的库恩—塔克条件,将非线性规划模型转化为线性规划模型，从而克服了现有方法在求解组合预测模型权重时不能求得解析解的不足，最后通过示例计算验证了该方法的有效性。

苏恒强等（2010）运用熵值法求出了玉米产量组合预测模型,并证明了信息熵法在求预测精度的优越性。

变权重组合预测法：

王福林（1996）以平方和误差最小、绝对误差和最小、最大相对误差最小为最优准则建立变权重组合预测模型，确定权重的方法主要是多项式逼近法。

同年又对变权组合预测模型中最优权系数估计问题作了进一步探讨，给出了两种计算方法即线性规划法和非线性规划法。

陈华友（2001）以预测方法有效度为准则，分别在样本区间、预测区间及总区间上建立了非负变权的组合预测模型，并给出其线性规划的解法。

李学全等（2003）利用预测相对误差、预测对象的变化趋势，提出一种改进的方法。

陈学锋、马永驰（2005）提出了基于新鲜度函数的模糊变权重组合预测管网负荷的方法，通过将新鲜度函数引入组合预测，有效地刻画时间序列的变化趋势，从而实现对模糊自适应变权重组合预测方法的有效改进。

改进后的组合预测方法不仅综合利用了各种预测方法的有用信息，而且该最佳组合预测的权系数也是时变的，该方法具有预测精度高、计算简便的特点。

赵晓燕、徐克龙（2006）提出一种利用神经网络和时间序列进行变权重组合预测石油价格的方法，这种方法相对于常数权重组合预测方法更接近油价波动的实际情况，对于石油价格的预测具有一定的应用价值。

吴宏斌（2007）基于变权重组合法对北京市生活垃圾产量进行了预测，其预测结果要比单项预测更加准确有效，这对城市规则、基础设施的设置与管理具有指导意义。

崔利刚等（2009）基于变权组合预测的基本原理对最小误差进行了预测修正，使原误差矩阵进行新陈代谢求得预测权重代替基期权重，使预测曲线更加趋向于实际值。

居俊、刘志彬（2010）运用变权重组合预测方法来预测软土路基的沉降，并将预测结果与单一模型预测比较。

结果表明，该模型对软土路基后期沉降预测精度更高，具有一定的工程应用价值。

耿建军（2011）使用二次规划对样本每期组合权重进行确定，利用所得权重样本对广义神经网络训练使其