一种时间序列算法的设计

时间序列是近几年来的研究热点,通过观察生活中的很多和时间相关的事件来建立数据模型,本文在研究的Kuo关于时间序列的基础上,针对该算法中存在的挖掘精度不高等缺点,提出对惯性权值,学习因子进行改进,并引入了极值扰动,提高了算法的效率,将改进后的PSO算法中运用到时间序列算法中的定义和划分论域中,并采用了基于距离的模糊集定义方法和测算方法。仿真实验中采用了Alabama大学入学人数预测问题作为实验对象,实验结果说明本文的算法挖掘精度上优于传统的Kuo算法,取得了较好的效果。