臺灣博碩士論文加值系統

摘要

回顧目前模糊時間數列相關文獻，我們發現模糊時間數列並沒有考慮到宇集合區間之下界與上界，因此本研究提出一個確定宇集合區間下界與上界的方法。同時說明在宇集合以本文所提之方法決定情形下，預測會比較好。
本文以基隆港出口貨櫃TEU數預測做為模糊時間數列與傳統季節性時間數列預測比較，模糊時間數列RMSPE為0.795%，SARIMA (1,0,1)(0,1,1)12 RMSPE為1.038%，由RMSPE可發現，就基隆港出口貨櫃TEU數資料，模糊時間數列之預測效果比傳統季節性時間數列佳。最後本文以台灣地區貨櫃裝卸總量預測作為另一個實例研究，以驗證本研究的實用性。

關鍵詞：時間數列、模糊時間數列、宇集合區間。

Abstract

Reviewing literatures in fuzzy time series published so far, we find that none of them provide the definition of lower and upper bound of the universe under consideration. Therefore, in this thesis, we propose a method to determine the lower and upper bound of the universe and show that under circumstances where the universe is determined by our method, the forecasting will be better.
Taking the instance of the export TEU in Keelung as a benchmark, we compare traditional Season Autoregressive Integrated Moving-Average (SARIMA) with fuzzy time series. Fuzzy time series’ RMSPE which is 0.795% and RMSPE of SARIMA(1,0,1)(0,1,1)12 is 1.038%. That is the estimated result of fuzzy time series is better than traditional SARIMA. Finally, this thesis predicts that total container traffics in Taiwan to justify the applicability of our method.

Key words: Time series, Fuzzy time series, The universe of discourse.

目錄

中文摘要………………………………………………………………………I

英文摘要………………………………………………………...……………II

目錄……………………………………………………………………………III

圖目錄……………………………………………………………………….. V

表目錄…………………………………………………………………………VI


第一章 緒論…………………………………..………………...………………1
1.1研究背景與動機……………………………………………….……………1
1.2研究目的………………………………….………………………...………3
1.3 研究範圍與研究限制………………………………………………………3
1.4 研究流程……………………………………………………………………3


第二章 模糊集合理論與模糊時間數列……………………...……………..…6
2.1 模糊集合……………………………………………………………………6
2.2 模糊時間數列………………………………………………………………9


第三章 模糊時間數列趨勢之定義與宇集合區間之設定……..…………….15
3.1 模糊時間數列趨勢檢定……………………………….…………………15
3.2 模糊時間數列宇集合區間之設定………………………………………17


第四章 模糊時間數列模式之建構………..…………………………….……23
4.1 模糊時間數列模式建構流程……………………………………………23
4.2 模糊時間數列模式建構步驟……………………………………………25
4.3 阿拉巴馬州立大學的學生註冊人數的預測比較………………………28


第五章 模糊時間數列實例分析……..…………………………………….…45
5.1 應用模糊時間數列對基隆港出口貨櫃TEU數預測…………..…..……45
5.2 應用模糊時間數列對台灣地區貨櫃裝卸總量預測….……………….…60


第六章 結論與建議……….…………………………………..………………70
6.1 結論……………………….……...…………………………………..……70
6.2 建議………………………………………………………………………71


參考文獻……………………………………………………………………….73

附錄一………………………………………………………………………….77


圖目錄

圖1研究流程圖……….……………………………..……………….……...5
圖2標準隸屬度函數之四大類型……………….…………………….…….6
圖3模糊時間數列模式建構之流程圖…………………….……………….24
圖4實際值、Chen方法的預測值與本研究之模糊預測值………………..41
圖5實際值、廖敏治方法、楊秋癸方法與本研究之模糊預測值…………44
圖6 基隆港地理資訊……………………………………………………….46























表目錄

表 1 阿拉巴馬州立大學歷年學生註冊人數………………………………29
表 2 阿拉巴馬州立大學歷年學生註冊人數差分值………………………31
表 3 阿拉巴馬州立大學歷年學生註冊人數實際值與相對應之模糊集合..35
表 4 阿拉巴馬州立大學歷年學生註冊人數之轉換規則………………...…36
表 5 Chen的方法與本研究所提之方法之比較…………….………………..40
表 6 楊秋癸之模式與其他方法之比較……………………………..……….42
表 7 本研究模糊預測值、廖敏治模糊預測值與楊秋癸之模糊預測值…….43
表 8 基隆港歷年貨櫃裝卸量……………………………..………………….45
表 9 基隆港出口貨櫃TEU數………………………………………………..49
表10 基隆港出口貨櫃TEU數之差分資料…………………………………51
表11 基隆港出口貨櫃TEU數資料之實際值與相對應之模糊集合………55
表12 基隆港出口貨櫃TEU數資料之轉換規則……………………………56
表13 基隆港出口貨櫃TEU數資料之預測值………….…………………59
表 14 三種候選的季節性時間數列模式………….………………..…..……59
表15 台灣地區貨櫃裝卸總量………………………………………………61
表16 台灣地區貨櫃裝卸總量之差分資料…………………………………63
表17 台灣地區貨櫃裝卸總量之實際值與相對應之模糊集合……………67
表18 一次差分後之台灣地區貨櫃裝卸總量之轉換規則………………68

參考文獻

[1]Akaike, H., “Maximum likelihood identification gaussian Auto-Regressive Moving Average Models,” Biometrika, 60 (1973) 255-66.
[2]Anderson, T., The statistical analysis of time series, Wiley, New York, (1971).
[3]Box, G. E. P., Jenkins, G. M., Time series analysis forecasting and control, San Francisco: Holden-Day, (1971).
[4]Chen, S. M., “Forecasting enrollment based on fuzzy time series,” Fuzzy sets and Systems, 81 (1996) 311-319.
[5]Chen, S. M., Hwang, J. R., “Temperature prediction using fuzzy time series,” IEEE Tran. On Systems, Man and Cybernetics-Part B: Cybernetics, 30 (2000) 263-375.
[6]Dubios, D., Prade, H., “Fuzzy set in approximate reasoning, Part 1: Inference with possibility distributions,” Fuzzy sets and systems, 40 (1991) 143-202.
[7]Dubios, D., Prade, H., “Operations on fuzzy numbers,” Int. J. System Science, 9 (1978) 1-6.
[8]Huarng, K. H., “Effective lengths of intervals to improve forecasting in fuzzy time series,” Fuzzy sets and systems, 123 (2001) (3) 387-394.
[9]Hwang, J. R., Chen, S. M., Lee, C. H., “Handling forecasting programs using fuzzy time series,” Fuzzy sets and systems, 100 (1998) 217-228.
[10]Kost, W. E., “Model validation and the net trade model,” Agri. Econ. Res., 32 (1980) (2) 1-17.
[11]Kumar, K., Jain, V. K., “Autoregressive integrated moving averages (ARIMA) modeling of a traffic noise time series,” Applied Acoustics, 58 (1999) 283-294.
[12]Mamdani, E. H., “Application of fuzzy logic to approximate reasoning using linguistic synthesis,” IEEE Trans. Comput., 26 (1977) 1182-1191.
[13]Piccolo, D., “A distance measure for classifying ARIMA models,” Journal of Time series, 11 (1990) (2) 283-294.
[14]Schwarz, G., “Estimating the dimension of a model,” Annals of Statistics, 6 (1978) 461-464.
[15]Song, Q., Chissom, B. S., “Forecasting enrollment with fuzzy time series-part I,” Fuzzy sets and Systems, 54 (1993) 1-9.
[16]Song, Q., Chissom, B. S., “Forecasting enrollment with fuzzy time series-part II,” Fuzzy sets and Systems, 54 (1994) 267-277.
[17]Sugeno, M., Tanaka, K., “Successive identification of fuzzy model and its applications to prediction of complex system,” Fuzzy sets and Systems, 42 (1991) 315-334.
[18]Wu, W., “Fuzzy reasoning and fuzzy relation equations,” Fuzzy Sets and Systems, 20 (1986) 67-68.
[19]Zadeh, L.A., “Fuzzy set,” Information and Control, 8 (1965) 338-353.
[20]Zadeh, L.A., “Outline of a new approach to the analysis of complex system and decision process,” IEEE Tran. System Man Cybernet., 3 (1973) 28-44.
[21]Zadeh, L.A., “Similarity relations and fuzzy orderings,” Inform. Sci., 3 (1971) 177-200.
[22]Zadeh, L.A., “The concept of a linguistic variable and its application to approximate reasoning, Part 1-3,” Inform. Sci., 8 (1975) 199-249; 8 (1975) 301-357; 9 (1975) 43-80.
[23]Zellner, A., “Estimation for seemingly unrelated regression equation: Some exact finite sample results,” Journal of the American Statistical Association, 58 (1963) 977-92.
[24]交通部運輸研究所，台灣地區深水港址進出口貨物分佈運量模式之建立與運量分配（1987）。
[25]吳柏林，時間數列分析導論，台北市，華泰書局，（1995）。
[26]吳榮貴，最適港埠能量與運量分配模式，行政院經濟建設委員會， （1985）。
[27]李選士、周明道、郭森桂，應用資料包絡分析評估亞太地區貨櫃港效率，航運季刊，第十二卷第四期，（2003），p81-105。
[28]李選士、林光、周明道，台中港出口貨物量預測，第一屆十校聯盟航運研討會，（2003），p111-119。
[29]阮亨中、吳柏林，模糊數學與統計應用，台北市，俊傑書局，（2000）。
[30]周明道、李選士、林光，高雄港轉口貨櫃預測與發展策略，國立台灣海洋大學海運學報，第十二期，（2003），p235-249。
[31]周明道、林光、李選士，基隆港出口營運預測與營運發展研究。航運季刊，第十二卷第三期，（2003），p23-43。
[32]林茂文，時間數列分析預測，台北市，華泰書局，（1992）。
[33]郭塗城，「港埠能量規劃策略之研究」，國科會專題報告，（1996）。
[34]傅世鎰，「台灣地區港埠進出口貨櫃運量預測模式之研究」，國立交通大學交通運輸研究所碩士論文，（1990）。
[35]黃文吉、呂正毅、葉吉芳，港埠運輸需求預測理念之研究－以台灣地區港埠貨櫃運輸為例，中華民國運輸學會第七屆學術論文研討會，（1992），p575-589。
[36]楊秋癸，「趨勢型模糊時間數列預測之研究」，義守大學工業工程與管理系碩士論文，（2003）。
[37]廖敏治，「模糊時間數列的階次認定、模式建構與預測」，國立政治大
學統計學研究所博士論文，（1998）。
[38]鍾順傳，「模糊時間數列預測之研究」，義守大學工業工程與管理系碩士論文，（2003）。