基于广义诱导不确定信息集成算子的区间型组合预测方法及其应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71071002
  • 项目类别:
    面上项目
  • 资助金额:
    27.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0104.预测与评价
  • 结题年份:
    2013
  • 批准年份:
    2010
  • 项目状态:
    已结题
  • 起止时间:
    2011-01-01 至2013-12-31

项目摘要

现实世界存在大量的不确定信息,对复杂的社会经济系统的预测采用区间预测往往比点预测更有意义。本项目在此背景下,探讨基于广义诱导不确定信息集成算子的区间型组合预测模型及其应用研究。本项目拟提出一类广义诱导不确定信息集成算子的概念,研究其相关性质,并构建新的基于该集成算子的区间型多目标组合预测模型;针对区间型多目标组合预测模型,引入锥偏序关系和支配结构的概念,探讨非劣性组合预测和优性组合预测存在条件和有效解最优性条件;提出基于商空间理论的粒度计算等智能算法,应用到所得税收入的区间型组合预测模型的求解和实证分析中。本项目试图通过数理论证以及相应的案例分析,获取新的不确定信息环境下的区间型组合预测的理论和应用研究的框架,推广传统的点预测情形下的组合预测的研究成果。本项目研究进一步完善和发展现代组合预测理论,具有理论和方法创新意义,同时能为实际部门提供科学决策的依据,具有较强应用前景。

结项摘要

由于大量的不确定信息的影响,对复杂的社会经济系统的预测采用区间预测比点预测更有实际意义。本项目团队在国家自然科学基金(71071002)的资助下,对“基于广义诱导不确定信息集成算子的区间型组合预测方法及其应用研究”课题进行了深入研究。本项目提出若干广义不确定信息集成算子的概念,包括诱导广义连续有序加权平均(IGCOWA)算子,连续广义有序加权平均(CGOWA)算子,广义有序加权指数比例平均算子,广义有序加权对数比例平均算子,不确定广义幂平均算子等,研究他们的相关性质,包括单调性,幂等性,介值性,置换不变性等;并构建若干新的区间型组合预测模型。针对提出的组合预测模型,探讨非劣性组合预测和优性组合预测存在条件等相关性质;并给出了相应的组合预测模型的求解方法,实证分析的结果表明所提出的模型和方法是有效的。.三年来,本项目能按研究计划进行,共完成期刊论文59篇,会议论文6 篇,其中SCI检索论文17篇,SSCI检索论文4篇,EI检索论文15篇,国家自然科学基金委管理学部指定的A类期刊论文4篇,B类期刊论文3篇。因此,该项目完成了研究计划,取得了一系列重要的研究成果,以上期刊文章绝大多数都标注了国家自然科学基金(71071002)的资助,这些研究成果表明本项目已达到预先设定的研究目标。本项目研究进一步丰富现代组合预测理论,同时能为实际部门科学决策提供了依据,因而具有重要的理论和应用价值。

项目成果

期刊论文数量(59)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(0)
The induced linguistic continuous ordered weighted geometric operator and its application to group decision making
归纳语言连续有序加权几何算子及其在群体决策中的应用
  • DOI:
    10.1016/j.cie.2013.07.021
  • 发表时间:
    2013-10
  • 期刊:
    Computers & Industrial Engineering
  • 影响因子:
    --
  • 作者:
    Ligang Zhou;Huayou Chen
  • 通讯作者:
    Huayou Chen
On compatibility of uncertain additive linguistic preference relations based on the linguistic COWA operator
基于语言COWA算子的不确定加性语言偏好关系的相容性研究
  • DOI:
    10.1016/j.asoc.2013.03.010
  • 发表时间:
    2013-08
  • 期刊:
    Applied Soft Computing
  • 影响因子:
    8.7
  • 作者:
    Zhou, Ligang;Chen, Huayou
  • 通讯作者:
    Chen, Huayou
Web2.0中基于自然语言的交互式群决策方法研究
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    情报理论与实践
  • 影响因子:
    --
  • 作者:
    汪祖柱;李中;陈华友
  • 通讯作者:
    陈华友
多粒度区间语言信息的C-OWH算子及其应用
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    运筹与管理
  • 影响因子:
    --
  • 作者:
    刘兮;陈华友;周礼刚
  • 通讯作者:
    周礼刚
Induced and Linguistic Generalized Aggregation Operators and Their Application in Linguistic Group Decision Making
归纳语言广义聚合算子及其在语言群体决策中的应用
  • DOI:
    10.1007/s10726-010-9225-3
  • 发表时间:
    2010-12
  • 期刊:
    Group Decision and Negotiation
  • 影响因子:
    3
  • 作者:
    Merigo, Jose M.;Gil-Lafuente, Anna M.;Zhou, Li-Gang;Chen, Hua-You
  • 通讯作者:
    Chen, Hua-You

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

加权算术平均组合预测方法均方误差的分解
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    合肥学院学报( 综合版)
  • 影响因子:
    --
  • 作者:
    张倩昀;陈华友;江立辉
  • 通讯作者:
    江立辉
基于TOPSIS的最大贴近度的最优组合预测模型及其性质
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中国科学技术大学学报
  • 影响因子:
    --
  • 作者:
    王自成;陈华友;韩冰;朱家明
  • 通讯作者:
    朱家明
基于演化聚类分析的组合预测改进熵权模型及其应用
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    陶志富;朱家明;刘金培;陈华友
  • 通讯作者:
    陈华友
基于赋权KNN-LSTM模型的PM2.5质量浓度预测
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    合肥工业大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    刘晴晴;陈华友
  • 通讯作者:
    陈华友
区间直觉正态模糊数的OWGA算子及其在多属性群决策中应用
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    合肥学院学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    徐妍;韩冰;陈华友
  • 通讯作者:
    陈华友

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

陈华友的其他基金

基于多类型时空数据协同驱动的大规模组合预测模型及其应用研究
  • 批准号:
    72371001
  • 批准年份:
    2023
  • 资助金额:
    41.00 万元
  • 项目类别:
    面上项目
基于交互信息集成的组合预测方法及其应用研究
  • 批准号:
    71871001
  • 批准年份:
    2018
  • 资助金额:
    48.0 万元
  • 项目类别:
    面上项目
模糊信息环境下的组合预测方法的有效性理论和应用研究
  • 批准号:
    71371011
  • 批准年份:
    2013
  • 资助金额:
    56.0 万元
  • 项目类别:
    面上项目
诱导有序加权平均组合预测模型的构建及其有效性理论和应用研究
  • 批准号:
    70571001
  • 批准年份:
    2005
  • 资助金额:
    16.6 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码