1、從“模糊”概念提出至今，已有很多專家學(xué)者投入到相關(guān)研究之中。在自然界中人們經(jīng)常會遇到模糊的情況，有別于非此即彼，非黑即白。研究者基于模糊現(xiàn)象所提出模糊時間序列預(yù)測模型，其研究價值在于能夠解決傳統(tǒng)時間序列中遇到的不確定性和模糊性問題。經(jīng)過不斷地發(fā)展，模糊時間序列模型被應(yīng)用到天氣，股票，人流量等各個方面，其預(yù)測結(jié)果準確，有較高的研究價值。模糊時間序列模型的研究重點主要在論域劃分以及樣本模糊化上，人們把模糊時間序列與優(yōu)化算法相結(jié)合，得到了更為

2、理想的預(yù)測結(jié)果。本文把現(xiàn)有的模糊時間序列預(yù)測方法，與信息熵理念結(jié)合，對模糊時間序列預(yù)測模型進行改進，把它應(yīng)用于實際問題預(yù)測之中，主要工作如下:
　　把模糊時間序列模型的背景以及發(fā)展現(xiàn)狀進行總結(jié)，之后簡要介紹了模糊時間序列預(yù)測模型、模糊C均值聚類算法以及不平衡數(shù)據(jù)集。
　　對于模糊時間序列模型中模糊關(guān)系的建立，本文引入了熵的概念，在關(guān)系矩陣的建立中將原有方法與信息熵結(jié)合，對類間相關(guān)程度和變化趨勢進行考量。通過計算熵的值來判定樣

3、本間的相關(guān)程度，根據(jù)相關(guān)程度動態(tài)調(diào)整模糊邏輯關(guān)系的建立，把建立模糊關(guān)系的方法進行了改進，再通過實驗驗證該方法的預(yù)測效果。
　　在預(yù)測中會遇到數(shù)據(jù)為不平衡數(shù)據(jù)的情況，對此類數(shù)據(jù)進行預(yù)測時結(jié)果可能會產(chǎn)生較大偏差，本文將改進后的模型與基于聚類體量約束的模糊聚類準則函數(shù)結(jié)合應(yīng)用于不平衡數(shù)據(jù)集之中。在預(yù)測之前首先使用模糊C均值算法對數(shù)據(jù)集進行判定，若為不平衡數(shù)據(jù)則進行相應(yīng)處理，把處理后的樣本集作為論域，再利用改進后的模型進行預(yù)測。通過真實數(shù)