基于犹豫模糊集和BP神经网络的集成预测模型及其应用

摘要

在股价指数预测等社会经济现象中,存在多种线性和非线性叠加的复杂特征,根据数据波动特点,文章在样本数据排序的基础上,结合区间数大小可能度的概念,对样本数据进行分类和区间划分。同时,通过反映不同决策者态度的多种隶属度计算方法,构造了犹豫模糊集,从而建立了基于综合隶属度权重来集成历史数据的线性预测模型。为拟合数据的非线性特征,引入了BP神经网络预测模型。利用台湾加权股价指数近五年的数据进行实例分析,将线性预测值和开盘价、最低价、最高价、收盘价作为BP神经网络的输入,最终获得了股价指数的预测值。结果表明,提出的模型具有可行性和有效性。