近日，我校文理学院学院李芳老师等人在《InternationalJournal of Machine Learning and Cybernetics》合作发表了题为“Integratenew cross association fuzzy logical relationships to multi-factorhigh-order forecasting model of time series”的学术论文。《InternationalJournal of Machine Learning and Cybernetics 》是SCI期刊，JCR分区二区。
该文章核心内容：
在基于多元高阶模糊逻辑关系(FLRs)的预测模型中，FLRs用于反映主元素和影响元素对主元素的影响。因此，一个FLR的前件既包括主元素，也包括与主元素相关的所有影响因素。在真实时间序列中，频繁存在另一种影响，即部分影响元素对主元素的交叉关联影响。为了描述这种影响，我们提出了多元高阶交叉关联模糊逻辑关系(CAFLRs)的概念，此类FLRs的前件由部分影响因素构成。CAFLRs分为短交叉关联FLRs和长交叉关联FLRs两类，它们分别描述了最近连续时刻的前件观测数据和非最近非连续时刻的前件观测数据对后件数据的影响。基于CAFLRs，我们建立了一种新的时间序列预测模型。与现有模型相比，该模型可从历史观测数据中挖掘出多种FLRs，并将其添加到规则库中，从而提高找到可用于预测的FLR的可能性，进一步提高预测精度。最后，文章通过与神经网络、自回归模型、支持向量回归、以及基于模糊逻辑的预测模型的对比实验，验证了新提出模型的优越性。
该研究的全文链接：https://link.springer.com/article/10.1007/s13042-021-01310-y
