论文部分内容阅读
针对利用现有CCRM(Constrained Center-and-Range Method)方法在解决区间数回归问题中,在提高均方根误差精度的同时难以兼顾观测区间和预测区间重合度的缺陷,文章提出一种实现观测区间和预测区间具有最差重叠区的样本的重合度最大化,以及使得中点及半径误差平方和最小化的非线性回归模型;证明了该非线性回归模型是一个满足K-T条件的凸规划问题.利用蒙特卡洛模拟对所提出的优化模型进行评价,结果表明:当模型只考虑中点及半径误差平方和最小化时,优化模型退化为CCRM+模型且结果优于CCRM模型;当优化模型只考虑观测区间和预测区间具有最差重叠区的样本的重合度最大化时,该模型优于CCRM+模型.