基于交互信息集成的组合预测方法及其应用研究

In the mobile internet era, people are both producers and consumers of data, which results in a large amount of mutual information. Combination forecasting can fuse multi-source information effectively and disperse forecasting risk, which has given rise to many attentions of scholars. Traditional combined forecasting implies the assumption that the information has the independence with additive or multiplicative separation. Therefore, it can't reflect interactive characteristics of information fusion. The project discusses the combination forecast method based on mutual information integration and applications under this background. This project intends to define new group consistency measure under the interactive information environment, try to give redundant single forecasting recognition methods based on statistics and relational algebra, and discusses the screening technology of the optimal combination forecasting model with the constraints of fixed forecasting size. At the same time, we are going to propose the concepts of the measure of information interactive level by the network model, and a variety of generalized interactive information fusion functions, and we will also study their mathematical properties, and construct the corresponding optimal combination forecast models. This project will discuss the necessary and sufficient conditions of the existence of superiority or non-inferiority combined forecasting with the mutual information and intelligent algorithms for these new models. In the whole process perspective of prediction, we will obtain the application framework by DEA cross efficiency evaluation model for combination forecasting, and provide the demonstration analysis on the tourism industry with the typical information interaction. This project is a research topic with important theoretical innovation meanings and practical application values in a big data era.

移动互联网时代，人们既是数据的生产者又是数据的消费者，从而导致交互信息大量产生。组合预测能有效融合多源信息和分散预测风险，受到学术界广泛重视。传统组合预测隐含信息的加性或乘性可分离的独立性假设，无法体现交互信息的融合特征。本项目在此背景下，探讨基于交互信息集成的组合预测方法及其应用。本项目拟定义交互信息环境下新的群组一致性测度，试图给出基于统计和关系代数的冗余单项预测识别方法，探讨固定规模约束下最优组合预测模型的筛选技术。同时拟结合网络模型，提出信息交互水平的测度和多种广义交互信息融合函数等概念，研究其数理性质，并构建相应的最优组合预测模型。针对该模型，探讨交互信息的优性或非劣性组合预测存在的充要条件和智能求解算法。在预测全过程视角下，拟通过DEA交叉效率评价模型获取组合预测应用框架，并对交互信息典型的旅游产业进行实证分析。本项目是大数据时代具有重要理论创新意义和实际应用价值的研究课题。

传统的加权平均构建组合预测方法实际上认为单项预测方法的信息是可分离的。加权算术平均组合预测采用加性可分离的表达形式，加权几何平均组合预测采用乘性可分离的表达形式，然而这种传统的组合预测并没有考虑到单项预测方法之间的交互影响，因而不能很好的体现交互信息对预测结果的影响。.本项目团队在国家自然科学基金（71871001）的资助下，开展了基于交互信息集成的组合预测方法及其应用的课题研究。该项目针对数据信息交互特征，探讨在组合预测之前单项预测方法的筛选机制，利用单项预测方法对组合预测贡献的大小，定义最优的群组，给出筛选的流程和算法。同时从信息分解的角度，把交互信息分解成不同频率和的数据信息，再对不同尺度的信息进行组合，构建相应的组合预测模型，给出新的交互信息融合方法；针对多种模糊环境下的决策信息，例如语言区间值q阶orthopair模糊信息,语言T-球面模糊信息，二型模糊信息等，定义了加、乘和幂等运算，探讨了运算的数学性质，提出了有关的加权平均集成融合函数，并应用多种决策模型来解决多属性群决策问题；同时引入了DEA交叉效率，构建了大群体信息融合的语言偏好关系，乘积偏好关系等决策方法以及冗余信息识别方法等。在实证分析方面，针对空气质量指数等环境大数据，构造出更加贴近环保部门需要的组合预测模型，验证所构造模型的可行性和有效性，对促进环保部门进行空气质量的预测与预警具有重要的现实意义。.本项目能按研究计划进行，在国际主流期刊Journal of Forecasting，Information Fusion，Information Sciences, Applied Soft Computing, Computers & Industrial Engineering，以及国内管理类重要期刊系统工程理论与实践，中国管理科学，运筹与管理，以及其他国际和国内等学术期刊上共发表论文91篇，其中SCI/SSCI 检索论文49篇，国家自然科学基金委管理学部A类期刊发表论文8篇。以上论文都标注了国家自然科学基金（71871011）的资助。该项目取得了一系列重要的研究成果，本项目研究进一步丰富组合预测理论和群决策理论，基本达到预先设定的研究目标。

内容获取失败，请点击重试