模糊的預測方法有哪些

㈠ 預測的方法有很多，最基本的有哪些

定量分析方法和定性分析方法. (1)定量分析方法(數量方法) 包括趨勢分析法(時間序列分析法,外推分析法)和因果分析預測法. (2)定性分析方法包括非數量分析方法的集合意見法和判斷分析法――基本的定性分析方法.

預測（forecasting）是預計未來事件的一門藝術，一門科學。它包含採集歷史數據並用某種數學模型來外推與將來。它也可以是對未來的主觀或直覺的預期。它還可以是上述的綜合，即經由經理良好判斷調整的數學模型。

進行預測時，沒有一種預測方法會絕對有效。對一個企業在一種環境下是最好的預測方法，對另一企業或所在企業內另一部門卻可能完全不適用。無論使用何種方法進行預測，預測的作用也是有限的，並不是完美無缺。

但是，幾乎沒有一家企業可以不進行預測而只是等到事情發生時再採取行動，一個好的短期或長期的經營規劃取決於對公司產品需求的預測。

類型

按在規劃未來業務方面企業使用可分三種類型的預測：經濟預測（economic forecasts）、技術預測(technological forecasts)、需求預測（demand forecasts）。

1、 經濟預測（economic forecasts）,通過預計通貨膨脹率、貨幣供給、房屋開工率及其它有關指標來預測經濟周期。

2、 技術預測(technological forecasts),即預測會導致產生重要的新產品，從而帶動新工廠和設備需求的技術進步。

3、 需求預測（demand forecasts），為公司產品或服務需求預測。這些預測，也叫銷售預測，決定公司的生產、生產能力及計劃體系，並使公司財務、營銷、人事作相應變動。

按它包含的時間跨度來分類，也有三種分類：短期預測、中期預測、長期預測

1、短期預測。短期預測時間跨度最多為1年，而通常少於3個月。它用於購貨、工作安排、所需員工、工作指定和生產水平的計劃工作。

2、中期預測。中期預測的時間跨度通常是從3個月到3年。它用於銷售計劃、生產計劃和預算、現金預算和分析不同作業方案。

3、長期預測。長期預測的時間跨度通常為3年及3年以上。它用於規劃新產品、資本支出、生產設備安裝或天職，及研究與發展。

㈡ 簡述環境預測的主要方法

環境預測是根據已掌握的情報資料和監測數據，對未來的環境發展趨勢進行的估計和推測，為提出防止環境進一步惡化和改善環境的對策提供依據。
預測工作的程序可以大致分為四個階段和十一個步驟：
1.准備階段
2.收集並分析信息階段
3.預測分析階段
4.輸出預測結果十一個步驟：確定預測目的、確定預測時間、制定預測計劃、收集預測資料、資料分析檢驗、選擇預測方法、建立預測模型、進行預測計算、預測結果檢驗、輸出預測結果、提交預測結果 環境預測的方法：
（一）根據預測方法的特性分類 定性預測方法有：專家評估法、特爾非法、主觀概率法、集合意見法、層次分析法、先導指標預測法等。 定量預測方法有：趨勢外推法、回歸分析法、投入產出法、模糊推理法、馬爾柯夫法等。 綜合預測方法
（二）根據預測方法的原理分類 1.直觀法：即定性預測方法 2.因果型預測方法：用相關性原理來分析預測對象與有關因素的相互關系，並以此關系構造模型進行預測。

㈢ 負荷預測的預測方法

電力負荷預測分為經典預測方法和現代預測方法。 趨勢外推法
就是根據負荷的變化趨勢對未來負荷情況作出預測。電力負荷雖然具有隨機性和不確定性，但在一定條件下，仍存在著明顯的變化趨勢，例如農業用電，在氣候條件變化較小的冬季，日用電量相對穩定，表現為較平穩的變化趨勢。這種變化趨勢可為線性或非線性，周期性或非周期性等等。
時間序列法
時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然後用這些模型去進行預測。它利用了電力負荷變動的慣性特徵和時間上的延續性，通過對歷史數據時間序列的分析處理，確定其基本特徵和變化規律，預測未來負荷。
時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用於估計預測區間的大小。隨機型時間序列預測模型可以看作一個線性濾波器。根據線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。
回歸分析法
回歸分析法就是根據負荷過去的歷史資料，建立可以分析的數學模型，對未來的負荷進行預測。利用數理統計中的回歸分析方法，通過對變數的觀測數據進行分析，確定變數之間的相互關系，從而實現預測。 20世紀80年代後期，一些基於新興學科理論的現代預測方法逐漸得到了成功應用。這其中主要有灰色數學理論、專家系統方法、神經網路理論、模糊預測理論等。
灰色數學理論
灰色數學理論是把負荷序列看作一真實的系統輸出，它是眾多影響因子的綜合作用結果。這些眾多因子的未知性和不確定性，成為系統的灰色特性。灰色系統理論把負荷序列通過生成變換，使其變化為有規律的生成數列再建模，用於負荷預測。
專家系統方法
專家系統方法是對於資料庫里存放的過去幾年的負荷數據和天氣數據等進行細致的分析，匯集有經驗的負荷預測人員的知識，提取有關規則。藉助專家系統，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。
神經網路理論
神經網路理論是利用神經網路的學習功能，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷。由於該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；並且知識表達困難，難以充分利用調度人員經驗中存在的模糊知識。
模糊負荷預測
模糊負荷預測是近幾年比較熱門的研究方向。
模糊控制是在所採用的控制方法上應用了模糊數學理論，使其進行確定性的工作，對一些無法構造數學模型的被控過程進行有效控制。模糊系統不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數。模糊系統對於任意一個非線性連續函數，就是找出一類隸屬函數，一種推理規則，一個解模糊方法，使得設計出的模糊系統能夠任意逼近這個非線性函數。 (1)表格查尋法：
表格法是一種相對簡單明了的演算法。這個方法的基本思想是從已知輸入--輸出數據對中產生模糊規則，形成一個模糊規則庫，最終的模糊邏輯系統將從組合模糊規則庫中產生。
這是一種簡單易行的易於理解的演算法，因為它是個順序生成過程，無需反復學習，因此，這個方法同樣具有模糊系統優於神經網路系統的一大優點，即構造起來既簡單又快速。
(2)基於神經網路集成的高木-關野模糊預測演算法：
它是利用神經網路來求得條件部輸入變數的聯合隸屬函數。結論部的函數f(X)也可以用神經網路來表示。神經網路均採用前向型的BP網路。
(3)改進的模糊神經網路模型的演算法：
模糊神經網路即全局逼近器。模糊系統與神經網路似乎有著天然的聯系，模糊神經網路在本質上是模糊系統的實現，就是將常規的神經網路(如前向反饋神經網路，HoPfield神經網路)賦予模糊輸入信號和模糊權。
對於復雜的系統建模，已經有了許多方法，並已取得良好的應用效果。但主要缺點是模型精度不高，訓練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬於改進型演算法。
(4)反向傳播學習演算法：
模糊邏輯系統應用主要在於它能夠作為非線性系統的模型，包括含有人工操作員的非線性系統的模型。因此，從函數逼近意義上考慮，研究模糊邏輯系統的非線性映射能力顯得非常重要。函數逼近就是模糊邏輯系統可以在任意精度上，一致逼近任何定義在一個緻密集上的非線性函數，其優勢在於它有能夠系統而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個可以在任意精度逼近任意給定函數的高斯型模糊邏輯系統。反向傳播BP學習演算法用來確定高斯型模糊邏輯系統的參數，經過辨識的模型能夠很好的逼近真實系統，進而達到提高預測精度的目的。

㈣ 水平井產能預測的模糊聚類方法

模糊聚類分析方法在實際中應用很廣泛，目前已在選礦、氣象、地質、地震、環境科學等方面取得成效，在石油工業的地質學、勘探決策等方面也有應用。

在現實世界中，一組事物根據其親疏程度和相似性是否形成一個類群，或一個事物是否屬於一個類別，其界限往往是不分明的，具有很大程度的模糊性。模糊集合論正是刻畫和解決這類聚類問題的數學方法。模糊聚類分析是依據客觀事物間的特徵、親疏程度和相似性，通過建立模糊相似關系對客觀事物進行分類的數學方法。用模糊聚類分析方法處理帶有模糊性的聚類問題要更為客觀、靈活、直觀和計算更加簡潔。

本書將模糊聚類分析方法應用到水平井的開發指標預測上，採用模糊聚類的方法，以勝利油田已經大量投產的水平井的數據為基礎，將同類油藏中已投產水平井進行分類，然後根據新設計井的有關參數將其歸到相應類中，根據同類中已投產井的有關開發指標對新設計水平井的指標進行預測，取得了較好效果。

模糊聚類分析的一般步驟為:①原始數據標准化;②構造模糊相似矩陣;③水平井模糊聚類;④新井歸類評價。

下面以勝利油區斷塊油藏永8斷塊為例，分析模糊聚類分析方法在水平井產能中的應用。

表4-11為勝利油區永安油田復雜斷塊油藏已投產14口水平井的有關數據，我們選取除永8平8井外的13口井參與聚類，參與聚類的指標為表4-11中的前6項，可采儲量及初始日產液量、日產油量為新井預測對比指標。

表4-11 永安油田已投產水平井指標統計表

1.原始數據標准化

對於表4-11所示復雜斷塊油藏水平井的數據，由於各參數量綱不同，需要將其標准化。

原始數據標准化的目的就是排除原始數據中不同變數間量綱的影響，並使原始數據分布在相同的區間內，以相同的量級參與分類，即把除去量綱影響的原始數據都壓縮在［0，1］閉區間內。

假設有N口水平井參與分類，每口水平井有K個參考油藏參數，構成如下矩陣:

實用水驅油藏開發評價方法

對上述原始矩陣進行標准化常用的方法有標准差標准化、極差標准化等。在本文的研究中，對不同性質的指標，採用了不同的方法。

對於水平井滲透率、垂直滲透率、控制儲量等的「趨大」(值越大越好)指標，本文採用如下的數據標准化方法:

實用水驅油藏開發評價方法

對於原油黏度、密度等的「趨小」(值越小越好)指標，採用了如下標准化方法:

實用水驅油藏開發評價方法

對於油層厚度、水平段長度等的「趨中」(值以靠近某一標准值為好)指標，採用的標准化方法為

當

當

式中:i=1，2，…，N;j=1，2，…，K;X_jmin，X_imax，X_javg分別為在第j個參考參數中的最小值、最大值及最優值(或指定最優值)。

2.構造模糊相似矩陣

根據標准化數據，計算各水平井之間的相似程度，又稱標定。標定的方法很多，如距離法包括切比雪夫距離法、海明距離法、歐氏距離法、閔可夫斯基距離法等，相似系數法包括夾角餘弦法、相關系數法、指數相似系數法等，貼近度法包括最大最小法、算術平均最小法等。本文採用夾角餘弦法來計算相似系數得到模糊相似矩陣:

實用水驅油藏開發評價方法

如果r_ij=0，說明兩口井完全不相關，如果r_ij=1，說明兩口井完全相似或相同。

選取斷塊油藏中已投產水平井的水平段實鑽長度、原油地下黏度、有效厚度、水平與垂直滲透率比值等的6個參數作為模糊聚類分析的參考指標(即N=13，K=6)，根據前面所述方法得到的模糊相似矩陣如下所示。

實用水驅油藏開發評價方法

3.水平井模糊聚類

人們在實踐中總結了多種模糊聚類方法，就理論上講大致可分為三類:一類是基於模糊等價關系的傳遞閉包法，另一類是基於模糊相似關系的直接聚類法，再一類是基於軟分類空間的模糊聚類法。用傳遞閉包法進行分類，當矩陣的階數較高時計算量很大。考慮到以後研究中隨投產水平井的增加，矩陣階數會很大，因此這里採用了直接聚類法。

直接聚類法為乃指直接利用相似矩陣進行聚類的方法，常用的有最大樹法和表格法。兩種方法若手工完成，效率很低，本文編程序實現了利用最大樹法的聚類過程，輸入水平閾值λ∈［0，1］，分類一次完成，非常方便。輸入不同的閾值，可得到不同的分類。

得到相似矩陣以後，便可以進行聚類了，對不同的閾值λ∈［0，1］，可得到不同的分類，取閾值λ=0.9，13口井被分成了6類，如表4-12所示。

表4-12 永安油田已投產水平井模糊聚類結果

4.新設計水平井歸類評價

(1)新井歸類計算

在已知水平井分類後，對於新設計水平井類別的劃分，本書主要根據新水平井與已知水平井之間的相似程度來確定其歸屬。通過分別計算新井與已知井的相似系數，找出與新井相似系數最大的已知井類別作為新井的類別。

(2)新井指標預測

在確定新井類別後，將同類中已投產水平井的有關開發指標的平均值及產能變化規律作為新井的預測指標。

現假設永8平8井為新設計未投產井，通過歸類計算，將其歸到第二類中，那麼就可以根據第二類中三口已投產水平井的有關指標來對該井進行指標預測。表4-13為第二類中已投產三口井指標的平均值與永8平8井的指標對比表。從表中可以看出，三口井指標平均值預測永8平8井的可采儲量為5.05×10⁴t，初始日產液為32.6t/d，初始日產油量27.0t/d，與永8平8井實際指標的相對誤差均在10%以內，能夠滿足工程設計的要求。那麼我們就可以根據三口井的可采儲量、初產油量等指標以及產量變化規律來對永8平8井的開發指標進行預測。

表4-13 新井歸類指標對比表

㈤ .預測的基本方法有哪三種

1、定性預測：定性預測屬於主觀判斷，它基於估計和評價。常見的定性預測方法包括：一般預測、市場調研法、小組討論法、歷史類比、德爾菲法等。

2、時間序列分析：時間序列分析是建立在這樣一個設定基礎上的,與過去需求相關的歷史數據可用於預測未來的需求。歷史數據可能包含諸如趨勢、季節、周期等因素。常見的時間序列分析方法主要有：簡單移動平均、加權移動平均、指數平滑、回歸分析、鮑克斯·詹金斯法、西斯金時間序列等。

3、因果聯系法：因果聯系是假定需求與某些內在因素或周圍環境的外部因素有關。常見的因果聯系法主要有：回歸分析、經濟模型、投入產出模型、行指標等。

4、模擬：模擬模型允許預測人員對預測的條件作一定程度的假設。

(5)模糊的預測方法有哪些擴展閱讀

作用

1、預測為制訂一個切實可行的計劃提供科學依據事實；

2、預測是避免決策片面性和決策失誤的重要手段；

3、預測既是計劃的前提條件，又是計劃工作的重要組成部分；

4、是提高管理預見性的一種手段；

5、向前看，面向未來，做好准備，發現問題集中力量解決，一定程度上決定組織成敗。

㈥ 預測的基本方法有哪些

需求預測主要方法有：定性預測法、定量預測法。需求預測，是指估計未來一定時間內，整個產品或特定產品的需求量和需求金額。定性預測法是基於判斷、直覺和經驗判斷的方法，本質上來說是主觀的。包括德爾菲法、部門主管人員意見法、用戶調查法、銷售人員意見法等。它們的不科學性使得它們很難標准化，准確性有待證實。定性預測法是根據已掌握的比較完善的歷史統計數據，運用一定的數學方法進行科學的加工整理，藉以揭示有關變數之間的規律性聯系，用於預測和推測未來發展變化情況的一類預測方法。