面向不确定性混频数据的软集合预测模型与方法研究

Along with the rapid development of the Internet of Things, Big Data，cloud computing technology and other advanced information technology, both government and enterprises need timely, effective and accurate prediction to implement scientific management. Data materials for prediction have gradually become uncertain mixed frequency data. Previous forecasting models and methods could not meet the demand of timeliness and accuracy better..In the view of the characteristics of the uncertain mixed frequency data, this project further studies the forecasting models and methods of uncertain mixed frequency data on the basis of soft sets such as soft mapping, soft relations, and soft recognition, et al.. Firstly, we recognize the type of uncertain mixed frequency data, select appropriate styles of soft set to represent the types, and construct univariate soft set prediction model. Then, to keep the data as the original form and analyze their inner relationship of various predictive factors, we synthesize the multiple predictive factors as a soft set to construct a multivariate soft set prediction model. After that, the evaluation method is built on the basis of soft measure theory. Research achievements will enrich and improve soft set theory and forecast theory. It can be used to guide enterprises or organizations in practice to management process in a scientific and efficient manner.

在物联网、大数据、云计算等现代信息技术快速发展的背景下，快速、有效、准确的预测是政府与企业进行科学管理的重要依据。目前预测所面向的主要数据形态已逐渐变为不确定性混频数据，已有预测模型和方法难以满足时效性和准确性需求。.本项目针对不确定性混频数据特征，基于软集合的软识别、软映射和软关系等方法，深入研究面向不确定性混频数据的预测模型和理论。首先需要识别不确定性混频数据类型，选择软集合的合适形式进行表示，构建一元软集合预测模型。然后，为了保持数据的原始性，并分析预测因子之间复杂的内在关系，将多元预测因子集成为软集合，构建面向不确定性混频数据的多元软集合预测模型，并基于软度量理论提出评价方法。研究结果将丰富与完善软集合和预测理论，并可在实践中指导政府与企业科学、高效地进行管理。

不确定性混频数据预测问题广泛存在于社会经济的各个领域和管理决策中。项目研究围绕这一问题，以研究目标为导向，针对不确定性混频数据的特征，应用软集合的软概率、软映射、软关系等理论与方法，结合统计学习、代数结构等理论，重点对不确定性混频数据的特征识别与表示、预测因子与预测对象的映射关系以及相应的预测模型及其应用等项目主要研究内容与拟解决的关键问题进行了一系列研究，构建了面向不确定性混频数据的一元和多元预测模型、基于预测因子与预测对象的多元软集合预测模型等相关预测模型。主要体现在以下三方面。.第一，根据结构化与非结构化数据类型和随机、模糊、粗糙等性质，选择软集合的合适形式进行了代数表示，并对其数学性质进行研究。基于此，从单一预测因子和单一预测对象之间的关系开始研究，建立预测因子和预测对象的单一软集合，构建一元混频预测模型。.第二，针对经济指标、自然指数、气候图像等多种预测因子的不确定性混频数据特征，分析预测因子之间复杂的内在关系，将多元预测因子集成为特征软集合，对不确定混频数据进行了软集合代数表示，建立不确定性混频数据的多元预测因子软集合集成模型。.第三，针对时间、空间、多类型等混频数据，结合应用背景，重点研究完善软表示、软关系、软映射、软运算等理论与方法，结合了人工智能、机器学习等理论与方法，构建了预测因子与预测对象的多元软集合预测模型以及相关不确定性混频预测模型。.项目完成了预期研究目标，主要研究成果体现在13篇国内外学术期刊论文和7篇博士论文中，其中12篇论文发表在国际期刊，并被SSCI、SCI等检索,1篇论文发表在国内CSSCI期刊上。