基于特征合成的周期性备件需求预测方法

针对工程机械备件需求预测准确性低的问题,提出一种新的基于特征合成的周期性维修备件需求预测方法.定义等间隔备件需求样本集的相似度模型,采用优化算法确定最优备件需求周期长度,并利用回归模型建立各周期内的备件需求模型;提出基于特征合成的模型综合方法,借鉴物理力学中的矢量合成方法,将多个历史备件周期需求模型特征矢量合成新的特征矢量,利用新特征矢量还原获得最优的周期预测模型,该模型综合考虑了各个历史备件周期预测模型,使获得的备件周期预测模型具有更好的鲁棒性和泛化性.采用人工数据和矿用圆环链的实际需求数据对该预测模型进行验证,实验结果表明,该模型具有良好的稳定性和准确性.     

基于粒子群算法的水资源需求预测

针对南昌市未来水资源需求预测问题,提出了基于粒子群算法的水资源需求预测方法.以南昌市历史人口、经济和水量需求数据为基础,构造了线性、指数和混合预测模型,利用粒子群算法对预测模型进行优化以确定模型参数.仿真实验结果表明,3种模型都能获得较好的预测精度,其中混合预测模型效果最好,预测精度达到97. 71%.     

一种新的间断型备件需求预测方法

针对间断型需求因需求发生随机、需求量值波动大而导致预测困难这一问题,提出一种新的备件需求预测方法.该方法能分别预测需求发生时间和非零需求发生时的需求量值.对于0-1需求发生时间序列,采用调制方法对其进行平滑处理,运用神经网络对调制后的0-1时间序列进行预测,获得需求发生时间的预测值.采用时间聚合方法对实际备件需求时间序列进行预测,将滚动预测应用到解聚合过程中,得到备件的需求量预测值.使用三一重工砼活塞和核电设备的备件需求数据对方法进行验证,结果表明,该方法的预测精度要优于Croston方法、指数平滑法以及BP神经网络,证明了所提方法的有效性和准确性.     

基于最优汇集时间间隔的城市间断交通流预测

针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点，提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期，再利用交叉验证均方差模型确定最优汇集时间间隔与信号周期的关系，在此基础上提出融合贝叶斯神经网络和深度学习模型的LSTM-BConv预测模型.基于实测数据的实验结果表明：1）基于最优汇集时间间隔统计交通流数据能有效提升城市间断交通流预测模型的预测精度；2）城市间断交通流数据的最优汇集时间间隔为交通信号控制周期的倍数；3）对比试验结果表明，LSTM-BConv预测模型优于常见的预测模型，平均绝对百分比误差提升了4.57%.预测结果可以为信号控制方案的优化提供参考依据.     

一种雷达群组网系统战时备件需求预测方法

针对战时备件需求预测的复杂性,充分考虑影响战斗损伤和非战斗损伤的基本因素,建立指标体系,基于模糊综合评判法给出预测模型,进行评估．实例分析结果表明,该方法能够为雷达群组网系统战时备件需求预测提供合理、实用的理论依据．     

基于随机森林的集装箱多式联运货运量预测

为统筹安排运输资源、合理制定多式联运计划,针对集装箱多式联运货运量预测准确性不足的问题,基于网格搜索交叉验证改进的随机森林算法,构建一种集装箱多式联运月度货运量预测方法。首先对于原始数据特征中存在数据缺失的问题,采用二次插值法、K邻近插补法进行数据的填补;再利用平均准确度下降法和平均边际贡献法筛选出7个最优特征;最后构建基于网格搜索交叉验证的随机森林预测模型。以营口至武汉的多式联运案例进行验证,证明综合特征筛选与最优参数组合提升了模型预测的准确性以及K邻近插补法在模型中的优越性,并与三次指数平滑法、Xgboost模型进行对比,结果表明,改进的随机森林预测模型准确性和稳定性更高。     

基于时序分解与误差修正的新能源爬坡事件预测

为了提高以风电、光伏为代表的新能源的爬坡预测的准确性,提出基于主成分分析、时序分解与修正长短期记忆（LSTM）网络预测误差的爬坡预测模型. 为了充分考虑功率的时序特性,采用时序分解方法将功率分解为周期、趋势和余项,结合多个特征因素的主成分建立基于LSTM的趋势和余项预测模型,实现功率的时间特征与影响因素主成分的映射关系刻画. 在采用LSTM对趋势和余项进行初步预测的基础上,引入误差修正算法计算拟合预测模型的动态误差并构建新的非平稳时间序列,获得准度性更佳的趋势和余项预测值. 通过加法模型融合趋势、余项以及利用朴素法获得的周期,得到最终预测功率. 结合风电和光伏爬坡事件定义,运用所提模型分别进行风电和光伏爬坡预测. 实验结果表明,与其他预测方法相比,所提模型在功率直接预测和爬坡事件间接预测上均具有更优的精度,能够为电网调度提供更可靠的依据.     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

自回归模型参数的最佳辨识矢量及效果分析

目的　研究用于模式识别的最佳特征矢量提取方法 .方法　基于 AR模型参数 ,利用改进的Fisher判别准则进行提取 .结果　经实测的车辆噪声数据检验表明 ,利用该方法提取的特征矢量具有很好的稳定性 ,且对车辆类别具有较强的识别能力 .结论　该方法用于特征提取是可行的     

物流需求的动态预测方法

立足JIT(JustInTime)管理模式,以提高物流需求预测的准确性及实时性为目标,采用复合算法设计物流需求的动态预测方法.以扩展卡尔曼滤波和人工神经网络相结合的复合算法作为动态预测的基本方法,量化了日照、湿度、温度等影响物流需求的动态影响因素,并将这些因素纳入到预测过程.借助Swarm仿真,论证了在预测模型中纳入动态影响因素可以提高物流需求预测的准确性和实时性.与常规BP算法的预测误差相比较,显示出该复合预测算法具有较高的可靠性.     

基于熵的装备精确保障系统备件组合预测模型

为了精确预测备件需求,实现对装备备件的精确保障,在总结以往预测模型的基础上,构建了基于熵权的组合预测模型：首先通过信息熵理论计算各种误差评价指标的相对重要性权重;然后再通过计算不同误差指标下各单项预测方法的变异系数来确定预测方法的权重;最后利用误差评价指标权重和各误差指标下单项预测方法的权重确定组合预测的权重。实例分析表明：熵权组合预测模型比其他组合预测模型的权重确定更为合理,反映的信息更为全面,预测的效果更为精确。     

基于IOWGA算子的组合预测方法及其应用

针对汽车配件需求量的预测进行了预测模型的建立、选择并优化．特别是将灰色预测和神经网络预测与IOWGA算子相结合,提出了以对数误差平方和为准则的基于IOWGA算子的组合预测方法,从而提高了预测的精度。将该方法用于汽车配件需求预测取得了较好的效果,说明了算法的有效性．     

备件战时存储费用需求预测研究

根据战场抢修条件下备件需求的特点，在分析备件需求原因的基础上，建立了备件战时存储费用需求预测模型。该模型考虑因素较为全面，数据较易收集，数值计算也不困难，利于决策者根据战时具体情况做出科学的决策。     

一种区域地下水位预报的时间序列分析方法

给出了一种新的用于周期性时间序列的预报方法，这种方法针对系列的不同周期内均值和变幅各异的特点，先从系列中消除均值和变幅的影响，生成新的系列，对新系列提取周期分量；然后对均值、变幅和残差系列建立ＡＲＭＡ模型；最后经过逆过程得到原序列的预报结果．实例分析表明，这种方法对于规律性不强的区域地下水位动态预报仍十分有效     

基于VMI的零部件交货提前期可压缩条件下的造船供应链优化

考虑由多个零部件供应商和一个造船商所组成的造船供应链,建立供应商管理库存（VMI）条件下造船供应链的优化模型。模型在考虑零部件交货提前期可压缩条件下,对造船商的船舶运力规模、零部件供应商的交货提前期进行决策,并结合算例,比较分析了压缩零部件交货提前期的费用分别由零部件供应商独自承担、由造船商和零部件供应商共担这两种情况下的整个供应链总利润的大小关系。结果表明：压缩零部件交货提前期费用共担会提高整个造船供应链的总利润。     

单点交叉口信号灯优化配时研究

提出了单点交叉口信号灯优化控制新算法，通过对单点交叉口每个方向每条车道未来时刻车辆到达数的有效预测，采用模糊控制推理信号灯下一个周期的时长. 在此基础上，建立以车辆平均延误最小和交通流量最大为目标的多目标优化模型，采用排序-遗传算法优化得到每个相位的绿信比，根据此绿信比将周期时长分配到各个相位，从而得到了最优的信号灯配时. 仿真试验表明该算法是有效的.     

单点交叉口信号灯优化配时研究

提出了单点交叉口信号灯优化控制新算法，通过对单点交叉口每个方向每条车道未来时刻车辆到达数的有效预测，采用模糊控制推理信号灯下一个周期的时长．在此基础上，建立以车辆平均延误最小和交通流量最大为目标的多目标优化模型，采用排序-遗传算法优化得到每个相位的绿信比，根据此绿信比将周期时长分配到各个相位，从而得到了最优的信号灯配时．仿真试验表明该算法是有效的．     

基于区间相离度及GIOWA算子的区间型组合预测方法

为了提高区间数的预测精度,以预测精度作为诱导值,区间相离度作为最优准则,通过广义诱导有序加权平均(generalized induced ordered weighted averaging,GIOWA)算子集结数据,提出了一种基于区间相离度及GIOWA算子的区间型组合预测方法.实例验证表明,该方法的预测精度优于各单项预测方法.通过对参数进行灵敏度分析,得到参数变化对组合预测最优解及预测精度的影响.     

基于灰色与计量经济模型的用电最优组合预测

通过对电力市场需求影响因素的分析,提出了计量经济与灰色预测的优化组合预测模型,经过论证并用实例比较得出此模型比其中任一单一模型预测误差率都小,预测结果更精确,为电力市场用电量需求提供了一个实用有效的预测方法。