计算机与数字工程
計算機與數字工程
계산궤여수자공정
Computer and Digital Engineering
2015年
9期
1592-1594,1633
,共4页
粒子群优化算法%K 均值聚类算法%组合预测模型%权值
粒子群優化算法%K 均值聚類算法%組閤預測模型%權值
입자군우화산법%K 균치취류산법%조합예측모형%권치
particle swarm optimization%K-means clustering algorithm%combination forecasting model%weight
论文在传统预测方法的基础上，提出了一种组合预测模型，该模型通过 K 均值聚类算法与粒子群算法相结合的混合算法来选择组合预测模型中各单个预测模型的权值。实例分析表明，与基本的粒子群算法、遗传算法的组合预测模型进行比较，论文的基于 K 均值粒子群算法的组合预测模型具有预测精度高、通用性强等优点。
論文在傳統預測方法的基礎上，提齣瞭一種組閤預測模型，該模型通過 K 均值聚類算法與粒子群算法相結閤的混閤算法來選擇組閤預測模型中各單箇預測模型的權值。實例分析錶明，與基本的粒子群算法、遺傳算法的組閤預測模型進行比較，論文的基于 K 均值粒子群算法的組閤預測模型具有預測精度高、通用性彊等優點。
논문재전통예측방법적기출상，제출료일충조합예측모형，해모형통과 K 균치취류산법여입자군산법상결합적혼합산법래선택조합예측모형중각단개예측모형적권치。실례분석표명，여기본적입자군산법、유전산법적조합예측모형진행비교，논문적기우 K 균치입자군산법적조합예측모형구유예측정도고、통용성강등우점。
The combination forecasting model is proposed based on the traditional forecasting methods .The model uses particle swarm optimization and K‐means clustering algorithm to calculate the weight in this paper .The results show that the combination forecasting model based on particle swarm optimization and K‐means clustering algorithm has higher precision than other models such as based on particle swarm optimization and genetic algorithm .
