簡易檢索 / 詳目顯示

研究生: 陳薇文
Chen, Wei-Wen
論文名稱: 動態數據預測方法的比較與其應用
Comparison and applications of dynamic data prediction models
指導教授: 陳介力
Chen, Chieh-Li
學位類別: 碩士
Master
系所名稱: 工學院 - 民航研究所
Institute of Civil Aviation
論文出版年: 2010
畢業學年度: 98
語文別: 中文
論文頁數: 85
中文關鍵詞: 迴歸分析灰色系統勞倫茲系統邏輯映射混沌系統
外文關鍵詞: Chaos system, Grey system, Logistic map, Lorenz system, Regression analysis
相關次數: 點閱:163下載:1
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 預測模式乃是一種預測工具,各個模式之間並沒有絕對的好與壞,而是取決於資料本身的類型,使用者透過觀察資料相關趨勢去選擇一個較合適的模型。然而,多數的模型在使用上容易受到使用規範的限制,例如:要求所搜集的資料必需高於某一標準值,或是必需符合某些相關的假設等。再者,繁複的過程必需花費相當多的計算時間,其實用性可能會因為時效性的限制而無法發揮即時預測效果,有藉於此,本研究試圖尋找出一個穩定性強且使用上較簡單之混合式模型,並將該混合式模型應用於混沌系統 (Chaos system)之資料數據(勞倫茲系統及邏輯映射)預測上。結合迴歸分析(Regression analysis)與灰色理論(Grey theory)之特點,建立混合式預測模型,提出之方法以迴歸分析首先對資料進行初步趨勢預測,再輔以動態灰色模型(Dynamic grey model)進行後續殘差修正,並將該模式稱為灰色殘差修正迴歸模型(Regression model with grey residue modification, 簡稱RM_GRM)。相關預測結果顯示,RM_GRM之波動預測能力比只使用動態灰色模型或是複迴歸模型(Multiple regression model)時來的準確,且預測未知期數增加時,RM_GRM穩定性會逐漸優於複迴歸模型。

    Most forecasting modes can be used to predict the trend of a specific data, but not for all cases. This thesis proposes a hybrid prediction method called Regression and Dynamic Grey Prediction approach, which combines the regression analysis and the dynamic grey model. The proposed approach firstly uses the regression analysis to obtain the tendency of the data, and residue is then modified by the grey prediction model. The continuous and discrete chaotic systems, Lorenz system and logistic map, are used to test the proposed hybrid approach. From predicted results, quality predicting performance of the proposed hybrid model is demonstrated, and the robustness to various data types is achieved.

    摘要 Ⅰ Abstract Ⅱ 誌謝 Ⅲ 目錄 Ⅳ 表目錄 Ⅵ 圖目錄 Ⅷ 第一章 緒論 1 1.1 研究背景與動機 2 1.2 文獻回顧 3 1.3 本文架構 6 第二章 數據分析方法介紹 7 2.1 預測 7 2.1.1 預測概述 7 2.1.2 預測方法 8 2.2 迴歸分析 9 2.3 灰色系統理論 12 2.3.1灰色系統概述 13 2.3.2 灰色預測之特點 16 2.3.3 修正GM(1,1)模型之相關研究 18 2.4 小結 19 第三章 混合型模型預測方法 21 3.1 研究流程 21 3.2 灰色模型推導 23 3.2.1 GM(1,1)模型 23 3.2.2 GM(1,N)模型 26 3.3 混合型模型建構 28 3.3.1 Lorenz System 28 3.3.2 迴歸建模 30 3.3.3 灰色殘差修正 31 3.3.4 模型預測能力比較 34 3.4 實驗結果討論 38 第四章 邏輯映射預測 39 4.1 邏輯映射 39 4.2 週期性邏輯映射之預測 40 4.2.1 Logistic Map(r=3.45) 40 4.2.2 Logistic Map(r=3.55) 44 4.2.3 Logistic Map(r=3.565) 48 4.2.4 Logistic Map(r=3.57) 51 4.2.5 資料擴增 54 4.2.6 預測成果 57 4.3 混沌狀態邏輯映射之預測 62 4.3.1 迴歸建模(Modeling) 62 4.3.2 灰色殘差修正 66 4.3.3 資料擴增 72 4.4.4 預測成果 75 4.4 實驗結果討論 78 第五章 結論與建議 79 參考文獻 82 表目錄 表2-1 迴歸分析參數估計表 12 表2-2 常用預測方法之限制 17 表2-3 機率統計、模糊理論及灰色理論的差異性 18 表3-1 GM(1,4)模型配適相關資料 26 表3-2 原始資料進行模型配適之結果 30 表3-3 RM_GRM模型配適相關資料 32 表3-4 不同變數使用於灰色預測之平均誤差 32 表3-5 預測各期平均誤差 33 表3-6 Model差異性比較表 34 表3-7 不同資料筆數之平均誤差 35 表4-1 r=3.45原始資料進行模型配適結果 42 表4-2 r=3.45原始資料進行平方轉換後模型配適結果 42 表4-3 r=3.45原始資料進行對數轉換後模型配適結果 42 表4-4 r=3.45原始資料進行指數轉換後模型配適結果 43 表4-5 MR及RM_GRM模型平均誤差(3.45) 43 表4-6 r=3.55原始資料進行模型配適之結果 45 表4-7 r=3.45原始資料進行指數轉後換模型配適結果 45 表4-8 MR及RM_GRM模型平均誤差(3.55) 46 表4-9 r=3.565原始資料進行模型配適之結果 48 表4-10 r=3.565原始資料進行指數轉後模型配適結果 49 表4-11 MR及RM_GRM模型平均誤差(3.565) 49 表4-12 r=3.57原始資料進行模型配適之結果 52 表4-13 r=3.57原始資料進行指數轉後模型配適結果 52 表4-14 MR及RM_GRM模型平均誤差(3.57) 52 表4-15 原始資料與擴增資料數值表 55 表4-16 參數估計表 56 表4-17 MR及RM_GRM模型平均誤差(3.45) 57 表4-18 MR及RM_GRM模型平均誤差(3.55) 57 表4-19 MR及RM_GRM模型平均誤差(3.565) 59 表4-20 MR及RM_GRM模型平均誤差(3.57) 61 表4-21 原始資料進行模型配適之結果 63 表4-22 原始資料進行平方轉換後模型配適結果 64 表4-23 原始資料進行對數轉換後模型配適結果 64 表4-24 原始資料進行指數轉換後模型配適結果 64 表4-25 模型配適結果 66 表4-26 不同r值及變數變換方式對R2之影響 66 表4-27 RM_GRM模型配適相關資料 68 表4-28 灰色預測之平均誤差 69 表4-29 取指數之預測各期平均誤差 70 表4-30 預測各期之最大及最小誤差 72 表4-31 原始資料與擴增資料數值表 73 表4-32 預測各期平均誤差 74 表4-33 RM_GRM模型平均誤差 74 表4-34 MR及RM_GRM模型平均誤差 76 圖目錄 圖1-1 研究架構圖 6 圖2-1 之圖型 10 圖2-2 資料散佈範例 10 圖3-1 研究流程圖 22 圖3-2 原始資料趨勢圖 29 圖3-3 原始資料值與迴歸預測值比較圖 31 圖3-4 原始資料值與模型預測值比較圖 35 圖3-5 原始資料值與預測值比較圖 36 圖3-6 RM_GRM與Regression誤差圖 36 圖3-7 原始資料值與預測值比較圖(預測下五期) 37 圖3-8 原始資料值與預測值比較圖(預測下十期) 37 圖4-1 r=3.45資料趨勢圖 41 圖4-2 複迴歸與RM_GRM預測比較圖(預測下十期) 44 圖4-3 複迴歸與RM_GRM誤差圖(預測下十期) 44 圖4-4 r=3.55資料趨勢圖 45 圖4-5 複迴歸與RM_GRM預測比較圖(預測下一期) 46 圖4-6 複迴歸與RM_GRM預測比較圖(預測下五期) 46 圖4-7 複迴歸與RM_GRM誤差圖(預測下五期) 47 圖4-8 複迴歸與RM_GRM預測比較圖(預測下十期) 47 圖4-9 複迴歸與RM_GRM誤差圖(預測下十期) 47 圖4-10 r=3.565資料趨勢圖 48 圖4-11 複迴歸與RM_GRM預測比較圖(預測下一期) 49 圖4-12 複迴歸與RM_GRM預測比較圖(預測下五期) 50 圖4-13 複迴歸與RM_GRM誤差圖(預測下五期) 50 圖4-14 複迴歸與RM_GRM預測比較圖(預測下十期) 50 圖4-15 複迴歸與RM_GRM誤差圖(預測下十期) 51 圖4-16 r=3.57資料趨勢圖 51 圖4-17 複迴歸與RM_GRM預測比較圖(預測下一期) 53 圖4-18 複迴歸與RM_GRM預測比較圖(預測下五期) 53 圖4-19 複迴歸與RM_GRM誤差圖(預測下五期) 53 圖4-20 複迴歸與RM_GRM預測比較圖(預測下十期) 54 圖4-21 複迴歸與RM_GRM誤差圖(預測下十期) 54 圖4-22 迴歸模型示意圖 56 圖4-23 r=3.55原始資料與擴增資料預測圖(預測下一期) 58 圖4-24 r=3.55原始資料與擴增資料預測圖(預測下五期) 58 圖4-25 r=3.55原始資料與擴增資料預測圖(預測下十期) 58 圖4-26 r=3.565原始資料與擴增資料預測圖(預測下一期) 59 圖4-27 r=3.565原始資料與擴增資料預測圖(預測下五期) 60 圖4-28 r=3.565原始資料與擴增資料預測圖(預測下十期) 60 圖4-29 r=3.57原始資料與擴增資料預測圖(預測下一期) 61 圖4-30 r=3.57原始資料與擴增資料預測圖(預測下五期) 61 圖4-31 r=3.57原始資料與擴增資料預測圖(預測下十期) 62 圖4-32 r=3.8資料趨勢圖 63 圖4-33 灰色殘差修正資料圖 67 圖4-34 RM_GRM(14)預測圖(預測下一期) 71 圖4-35 RM_GRM(25)預測圖(預測下五期) 71 圖4-36 RM_GRM(25)預測圖(預測下十期) 71 圖4-37 原始資料與擴增資料預測圖(預測下一期) 74 圖4-38 原始資料與擴增資料預測圖(預測下五期) 75 圖4-39 原始資料與擴增資料預測圖(預測下十期) 75 圖4-40 複迴歸與RM_GRM預測比較圖(預測下一期) 77 圖4-41 複迴歸與RM_GRM預測比較圖(預測下五期) 77 圖4-42 複迴歸與RM_GRM預測比較圖(預測下十期) 77 圖5-1 資料趨勢圖 80

    Archer, B.H., 1980, “Forecasting Demand: Quantitative and Intuitive Techniques”, International Journal of Tourism Management, Vol. 1, No. 1, pp. 5-12.
    Bernstein, G.L., 1984, “The Art of Using Forecasts Effectively”, Directors & Boards, Vol. 8, pp. 23-26.
    Chao, H.W., 2004, “Predicting Tourism Demand Using Fuzzy Time Series and Hybrid Grey Theory”, International Journal of Tourism Management, Vol. 25, No.3, pp. 367-374.
    Deng, J.L.,1993, “Grey Differential Equation”, The Journal of Grey System, Vol. 5, No. 1, pp. 1-14.
    Hua, J.Y., Fuh, Y., Dan, P.F., 2009, “Application of Grey System Theory to Predicting Taiwan’s Population Birth Number”, Graduate Institute of Industrial Education, National Taiwan Normal University.
    Hsu, C.I., Wen, Y.U., 1998, “Improved Grey Prediction Models for Transpacific Air Passenger Market”, Transportation Planning and Technology, Vol. 22, No. 2, pp. 87-107.
    Lee, S.Y., 2002, “The Suitability of Short-term Sales Forecasting Using Grey Theory”, Master Thesis of Institute of Information Engineering, I-Shou University.
    Luo, Y., Zhang, L., Cai, A., He, Z., 2004, “Grey GM(1,1) Model with Function-transfer Method and Application to Energy Consuming Prediction”, Kybernetes, Vol. 33, No. 2, pp. 322-330.
    Mao, M., Chirwa, E.C., 2006, “Application of Grey Model GM(1,1) to Vehicle Fatality Risk Estimation”, Technological Forecasting and Social Change, Vo1. 73, No. 5, pp. 588-605.
    Robert, M.M., 1976, “Simple Mathematical Models with Very Complicated Dynamics”, Nature, Vol. 261, pp. 459-467.
    Lorenz, E.N., 1963, “Deterministic Nonperiodic Flow”, Journal of Atmospheric Science, Vol. 20, No. 2, pp. 130-141.
    Wen, K.L., Chang, T.C., Chang, H.T., You, M.L., 1999, “The Adaptive Alpha in GM(1,1) Model” The Proceeding of IEEE SMC International Conference, Tokyo, Japan, Oct., pp. 301-308.
    于宗先,1972,“經濟預測”,大中國圖書。
    方世杰,1998,“市場預測方法一百種”,書泉出版社。
    方世榮,2001,“統計學導論”,華泰出版社。
    田自力,陳碩珮,“GM(1,1)模型之傅立葉級數殘差修正法”,第一屆灰色系統理論應用研討會。
    李順益,2002,“灰色預測理論於短期銷售預測之適用性探討”,義守大學資訊工程研究所碩士論文。
    周海龍,1995,“台北都會區生活用水量之預測─類神經網路之應用”,國立中興大學資源管理研究所碩士論文。
    林真真,2008,“統計分析與應用手冊-使用R軟體”,文魁出版社。
    許巧鶯,溫裕弘,1997,“台灣地區國際航空客運量之預測-灰色預測模式之應用”,運輸計畫第二十卷第三期,pp. 100-105。
    唐淑娟,2000,“台灣地區鳳利零售價格預測之研究-灰預測、類神經網路與預測組合之應用”,國立屏東科技大學農企管理系研究所碩士論文。
    徐演政,葉治宏,林昌本,1999,“GM(1,1)建模點數剖析與評論”,第四屆灰色系統理論與應用研討會。
    徐福燦,2004,“灰色理論應用於颱風降雨量推估之研究-以嘉義地區為例”,國立成功大學水利及海洋工程研究所碩士論文。
    許哲強,2002,“台灣區域電力負載預測分析系統之建立與應用研究”,國立成功大學資源工程系研究所博士論文。
    黃錫鴻,2008,“應用灰色理論預測半導體消耗性零件需求量”,國立中央大學工業管理研究所碩士論文。
    陳憲忠,1997,“灰色預測在逕流預報之應用”,國立成功大學水利及海洋工程研究所碩士論文。
    楊世榮,2008,”SPSS統計分析實務”,旗標出版社。
    楊志平,2002,”灰預測、指數平滑法與預測組合之應用-以台灣地區鮮食鳳梨產地價格為例”,國立屏東科技大學農企管理研究所碩士論文。
    溫坤禮,張簡士,葉鎮愷,王建文,林慧珊,2007,”MATLAB在灰色系統理論的應用”,全華出版社。
    溫坤禮,趙忠賢,張宏志,陳曉瑩,溫惠筑,2009,”灰色理論”,五南出版社。
    畢威寧,劉亮成,2007,”灰預測在台灣地區電力需求上之應用研究”,科學與工程技術期刊第三卷第二期。
    蔡宜璇,潘文超,2006,「以灰色理論應用於航空公司股票收盤價預測之研究”,產業管理創新研討會。
    蔡瓊星,吳漢雄,莊漢東,1997,”灰色預測a係數調整及滾動建模之探討”,灰色系統理論與應用研討會論文集。
    趙忠賢,王紀瑞,賴建志,蔡傑全,2006,”GM(1,1)模型於黑鮪魚年度漁貨量預測之研究”,第十一屆灰色系統理論與應用研討會。
    鄧聚龍,郭洪, 1996,”灰預測原理與應用”,全華出版社。
    錢炳全,李順益,王學亮,2001,”基於灰色理論之短期銷售預測方法”,資訊管理展望第5卷第1期。
    韓季霖,2000,”台灣地區醫師人方供需之研究-灰色預測模式之應用”,銘傳大學管理科學研究所碩士論文。
    謝志森,2004,”應用灰色預測理論於 台灣化妝品消費市場發展趨勢之預測”,朝陽科技大學企業管理研究所碩士論文。
    羅世杰,2003,”應用灰色理論於電信帳單需求預測模式之研究”,大葉大學資訊管理學研究所碩士論文。

    下載圖示
    2012-07-20公開
    QR CODE