基于多模态信息集成的组合预测模型及其应用研究

With the development of information technology and the widely used sensors in our modern life, large amount of multimodal information is generated. This project develops combination forecasting model based on multimodal information aggregation in the uncertain environment according to the multi-resource, cross-media, interactivity and isomerism of the multimodal information. This project considers extracting the feature of multimodal information using the pattern recognition method and then modeling it by weighted attributed graph in order to cluster the multimodal information. Based on the uniformization and quality evaluation of the multimodal information and interactions among the information, several generalized multimodal information aggregation operators are proposed and single forecast models of multimodal information aggregation are constructed. The single forecast results are generalized to build novel combination forecast optimal model for multi objectives based on the multimodal information. Furthermore, the concepts of efficient solutions and satisfactory solutions are presented, and the corresponding optimality conditions for the non-inferior combination forecast and the superior combination forecast existing are given. Meanwhile, the application of the developed combination forecast model in water pollution forecast is discussed. This project not only improves the theory and application of the combination forecasting methods based on the multimodal information, but also provides the theory basis and technology support for the relevant forecasting and decision analysis problems.

信息技术的发展和现实生活中传感器的广泛应用为我们提供了大量的多模态信息。本项目基于多模态信息的多源性、跨媒体性、交互性、异构性等特点，研究不确定环境下基于多模态信息集成的组合预测模型。利用模式识别技术对多模态信息进行特征提取和加权属性图建模，获取多模态信息的聚类结果。在对多模态信息一致化处理和质量评价的基础上，考虑到信息之间的交互影响，提出一系列广义多模态信息集成算子，构建若干基于多模态信息集成的单项预测模型。对单项模型的预测结果进行更广义的组合，建立新的基于多模态信息集成的多目标组合预测优化模型。提出组合预测模型的有效解、满意解等概念，研究非劣性以及优性组合预测存在的有效性条件，同时设计组合预测模型的智能求解算法,并探讨在水污染预测中的应用。本项目通过数理论证和实证分析，不仅能完善基于多模态信息集成组合预测理论和应用的研究框架，而且可为相关部门的预测和决策分析提供理论依据和技术支持。

信息技术的快速发展以及预测对象的复杂性特点，使得预测信息往往以不确定多模态信息形式呈现。本项目针对模块化信息、区间数信息、语言信息、直觉模糊信息等提出了若干多模态信息集成算子，包括有序模块化平均(OMA)算子、二元语义模块化集成算子、二维区间2型模糊集成算子等。也在加权超图的基础上构建IOWA算子来集成图像像素信息，构建了满足运算封闭性的基于t-范数和s-范数的区间语言加权Power平均算子。探讨了基于Archimedean copulas和co-copulas的直觉模糊值的融合技术，建立广义依赖型不平衡语言有序加权平均算子，非平衡语言广义Heronian平均集成算子和直觉非平衡语言依赖加权广义Heronian平均（IULDWGHM）算子等。同时探讨了这些算子的优良性质。在此基础上，构建了若干基于多模态信息集成算子的组合预测优化模型，如基于诱导有序模糊加权平均（IOFWA）算子的模糊变权组合预测模型，基于TFWPA算子的模糊优化组合预测模型，基于诱导有序三角模糊加权平均(IOTFWA)算子的模糊优化组合预测模型。进而，考虑到预测对象数据的多尺度和非平稳性，以及网络搜索数据的非结构化特征，提出若干分解-重构-单项预测-集成的组合预测框架，并将这些预测方法应用到原油价格、空气质量指数、碳交易价格、农产品物流需求、图像噪声点像素值等领域的实证预测。在此过程中，本项目也探讨了一些最优组合预测模型的有效性理论。另外，我们还通过问卷调查，实证研究了组织氛围、员工人格特征对员工敬业度和工作绩效的预测效应，我们的研究结果也表明交通和金融发展、经济增长、城镇化、技术创新、贸易开放能显著预测区域的碳排放。最后，还研究了模糊信息环境下的偏好关系一致性和排序方法及其在决策分析中的应用。本项目的研究结果可为相关部门的预测和决策分析提供理论依据和技术支持。