不确定信息环境下基于大规模数据的趋势预测和智能决策方法研究

针对不确定信息环境下大规模数据趋势预测及智能决策方法的新特点，从不确定信息环境对大规模数据变化趋势及决策过程的影响分析入手，系统研究不确定信息环境下大规模数据整合模式、预处理方法、有效信息提取方法、智能决策方法以及相应的智能决策支持系统等问题。具体研究内容为：首先，分析不确定信息环境对大规模数据整合及预处理操作的影响,提炼出适用于不确定信息环境的数据整合模式及预处理方法；其次，基于数值逼近理论、参数统计理论及智能优化方法等分别建立大规模数据趋势预测、统计推断及态势推演等三类模型，并对大规模数据的变化趋势进行描述，研究大规模数据有效信息提取方法；最后，开展基于预测信息驱动的智能决策方法研究，结合面向服务的思想，分析、设计基于预测信息驱动的智能决策支持系统。以上研究为不确定信息环境下大规模数据趋势预测及智能决策问题的求解提供了新的思路和方法。

大规模数据变化趋势的定量分析是数据处理工作的一个难题，不确定信息环境的叠加更加加剧了解决这类问题的难度。在对处理过程“量化求解”，处理结果“无限接近”的双重要求下，我们从“数值逼近”、“统计推断”、“智能优化”三个方向入手，将有理插值方法，半参数回归方法、群智能方法与传统的数据分析与预测模型结合并进行改进创新，不仅在数据预测精度上较传统预测模型有了较大的提高（同组数据方法改进前后预测精度平均可提高8%-13%），同时也推导出近30种全新的基于大规模数据的定量预测模型。在预测信息驱动的智能决策研究方面，确定了两条研究路线。一条是考虑了决策过程的不确定性，在将预测信息交付决策建模的同时，对预测信息进行“有限放量”，区间化决策指标的取值范围，提高决策结果的合理性；第二条路线是将决策过程系统化，利用自动控制理论重构决策过程，将控制理论与决策过程切实结合，在获得正确决策结论的前提下，给出一条决策研究的新思路。