8、大数据时间序列预测模型：模糊神经混合方法

大数据时间序列预测模型：模糊神经混合方法

1. 提出的方法和算法

1.1 EIBD 方法

提出了一种新的离散化方法 EIBD，用于确定历史时间序列数据集的论域，并将其划分为不同长度的区间。以 2012 年 6 月 4 日至 2012 年 7 月 29 日期间的 SBI 每日股票指数价格数据集为例，步骤如下：
1. 计算样本范围（R） ：
- 公式：$R = Maxvalue - Minvalue$，其中$Maxvalue$和$Minvalue$分别是样本$S = {x_1,x_2,\cdots,x_n}$的最大值和最小值。
- 示例：对于该数据集，$Maxvalue = 2252.55$，$Minvalue = 1931.50$，则$R = 2252.55 - 1931.50 = 321.05$。
2. 分割数据范围 R ：
- 公式：$W = \frac{R}{Z}$，其中$Z$是样本$S$的大小。
- 示例：样本大小$Z = 200$，则$W = \frac{321.05}{200} = 1.6$。
3. 定义样本 S 的论域 U ：
- 公式：$U = [Lb,Ub]$，其中$Lb = Minvalue - K$，$Ub = Maxvalue + K$。
- 示例：$Lb = 1931.50 - 1.6 = 1929.9$，$Ub = 2252.55 + 1.6 = 2254.15$，所以$U = [1929.9,2254.15]$。
4. 计算区间长度（L）