灰色模型预测风电功率

本文旨在提出风电功率预测的一种可行方法。尝试运用了灰色系统预测GM(1,1)模型对未来672个时间点的风电功率进行了预测(事先规定一个时间点为15分钟,下同)。通过软件仿真得到预测结果,并采用日准确率、日合格率等四个指标对预测结果进行了评估。     

基于灰色理论和神经网络建立预测模型的研究与应用

根据综合利用灰色理论与神经网络建立预测模型的思路,给出了利用神经网络对模型残差进行修正的灰色GM(1,1)模型综合预测方法。选用我国自1994年至2005年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,并利用LM算法优化的快速BP神经网络对其残差进行修正,使得建模和预测具有更高的准确性和适应性。实验结果及仿真验证表明,加入修正过程的综合模型,其预测效果远优于单一的灰色模型。     

灰色神经网络在城市用水量预测中的应用

为解决传统BP神经网络在城市用水量预测中易陷入局部极小点等问题,将BP神经网络与灰色理论相结合,构建了灰色神经网络模型(GNNM),实现了二者的优势互补,并利用粒子群优化算法(PSO)对该模型的初始权值和阈值进行优化,形成了PSO-GNNM(1,N)算法.通过与传统BP神经网络、灰色理论预测法的预测结果相比较,该算法具有预测误差小、泛化能力强等优点,可为城市用水量的预测工作提供技术支持.     

基于灰色神经网络的厦门市商品房需求量研究

介绍了灰色预测模型GM（1,1）的结构和模型检验,以及BP神经网络预测模型的原理,对灰色预测模型进行改良,将此改良模型与BP神经网络模型进行组合,建立了新的组合灰色神经网络模型。以厦门市商品房成交量为例,以MATLAB为工具,进行2012年的成交量对比以及2013年成交量的预测,结果证明组合灰色神经网络的预测精度较高,可以为房地产价格指数预测研究提供参考依据。     

基于GM（1，1）模型的区域交通运输体系发展预测

灰色预测法是一种对含有不确定因素的灰色系统所产生的与时间有关的灰色变化过程进行预测的方法。本文以灰色预测法中的GM（1,1）模型为基础,以残差模型对其进行优化,并将优化后的模型应用于以陕西省为实例的区域交通运输体系的发展预测。实证结果表明,预测结果良好。     

神经网络在高校图书馆图书借阅流量预测中的应用

由于高校图书馆图书借阅流量具有一定的非线性特性,传统的回归分析、灰色模型等方法难以处理这种非线性时间序列问题,影响了预测精度。为了提高预测精确度,提出粒子群优化RBF神经网络的图书借阅流量预测模型。该方法以图书馆图书借阅流量历史数据进行RBF神经网络建模,采用粒子群算法对RBF神经网络参数进行优化,最后建立了图书借阅流量动态响应模型。预测结果表明该模型预测结果合理,精度较高,为图书馆提高工作效率和服务质量提供了参考依据。     

基于灰色关联度的BP神经网络模型短期用电量预测

本文为了克服单一用电量预测模型的局限性,提高预测精度,构建了基于灰色关联度的BP神经网络模型。BP神经网络预测模型过程中引入灰色关联度分析预测确定全社会用电量主要影响因素,以安徽省2000-2015年全社会用电量数据为例对2016-2018年用电量进行预测,计算结果证明基于灰色关联度的BP神经网络模型计算精度较高,并对2019-2023年全社会用电量进行预测,具有较高的实用性。     

大学生就业的建模与预测研究

大学生就业的建模与预测可以描述大学生就业变化趋势,为管理者决策提供有价值信息,为了提高就业人口数量的预测准确性,提出基于组合方法的大学生就业预测模型。首先收集某大学的就业数据,并进行归一化处理,然后采用灰色模型和神经网络分别从不同角度对大学生就业的数量进行建模与预测,最后确定灰色模型和神经网络的预测结果权值,并进行加权得到对大学生就业数量的最终预测结果。测试结果表明,组合方法可以描述大学生就业数量的发展趋势,获得比较理想的大学生就业数量预测结果。     

小波神经网络在地震预测中的应用

针对地震诱发因素的多样性和难预测性,采用了小波神经网络的方法进行预测,同时考虑多种因素,构建仿真模型,对震级进行预测,对比分析小波神经网络和BP神经网络的预测结果,证明了采用小波神经网络预测速度更快,结果更准确,精确度更高。     

基于灰色理论和神经网络的房地产前期价格预测研究

为了克服单一灰色模型或者BP神经网络的局限性,提出灰色理论和神经网络的房地产前期价格预测模型。该模型采用灰色模型对房地产前期价格的规律性进行分析,BP神经网络对房地产前期价格的随机性进行刻画,实现了优势互补,最后进行房地产前期价格预测具体应用实例分析。结果表明,该模型可以准确描述房地产前期价格的变化趋势,提高房地产前期价格的预测精度,为房地产前期价格预测提供了一种有效的建模工具。     

基于BP-AdaBoost的电子式电能表故障检测方法

为了解决现有电子式电能表故障检测方法精度偏低、训练速度慢的问题,提出一种BP-AdaBoost复合神经网络故障预测方法。首先,在单一BP神经网络的基础上,利用组合分类器算法AdaBoost对其进行改进,将多个单一BP神经网络作为弱分类器,多次迭代训练得到强分类器;随后,将该故障预测方法应用于电子式电能表的典型故障——整流桥故障的分类判别中;利用Simulink搭建电子式电能表仿真模型,选取故障注入点与观测点,仿真运行生成的故障数据作为BP-AdaBoost算法的处理对象。仿真结果表明,BP-AdaBoost故障预测方法与单一BP神经网络故障预测方法相比,能提高预测精度,显著减小误差,在实际应用中具有一定可行性。     

基于BP-AdaBoost的电子式电能表故障检测方法

为了解决现有电子式电能表故障检测方法精度偏低、训练速度慢的问题,提出一种BP-AdaBoost复合神经网络故障预测方法.首先,在单一BP神经网络的基础上,利用组合分类器算法AdaBoost对其进行改进,将多个单一BP神经网络作为弱分类器,多次迭代训练得到强分类器;随后,将该故障预测方法应用于电子式电能表的典型故障——整流桥故障的分类判别中;利用Simulink搭建电子式电能表仿真模型,选取故障注入点与观测点,仿真运行生成的故障数据作为BP-AdaBoost算法的处理对象.仿真结果表明,BP-AdaBoost故障预测方法与单一BP神经网络故障预测方法相比,能提高预测精度,显著减小误差,在实际应用中具有一定可行性.     

基于多普勒激光雷达的风场预测

采用灰色理论、BP神经网络、布朗三次指数平滑算法来对雷达风场预测进行研究。利用香港国际机场激光雷达数据对风场PPI扫描风速进行预测,得到了预测时刻机场区域整个风场的概况,让飞行员能提前了解机场区域内未来一段时间的风场环境;使用下滑道扫描数据对飞机在下滑道附近的迎头风进行预测,从而更精确地预测飞机在起飞和降落过程中将会遇到的风场波动,使飞行员能够在风切变探测系统告警之前,增加飞行员进行反应和相关准备的时间。对实验结果的统计分析表明:布朗三次指数平滑预测在延长预测时间时,预测精度随时间的增加而下降的趋势较明显;灰色预测和BP网络预测在风场变化很大的情况和延长预测时间时,仍能在一定程度上保证预测精度;灰色预测较BP网络预测效果稍好。     

灰色数列模型在图像边缘趋势预测中的应用

为了达到跟踪预测刀具图像边缘变化趋势的目的,采用了灰色数列GM（1,1）模型预测拟合直线段斜率数列的方法。在分析灰色数列预测模型的基础上,通过建立了图像边缘点拟合直线斜率数列预测模型,并用建立的模型对一帧刀具图像进行边缘趋势预测,将得到的预测结果与实际值进行比较的试验。并以最大误差分析刀具后续边缘点分布趋势,为图像采集平台进给方向提供依据。根据实验结果,得出采用灰色数列模型预测刀具边缘轮廓方法完全满足平台跟踪刀具边缘轮廓要求的结论。     

组合时延预测的无人机传感器故障诊断研究

主要针对无人机传感器故障种类较多、类型复杂等特点,通过灰色模型与Elman神经网络对时延进行建模预测,利用最小方差原理得到组合时延预测模型,最后将其应用于无人机传感器故障诊断,并通过仿真验证组合预测模型对故障诊断时延具有较高的预测精度,证明了该诊断方法的有效性。     

基于kalman滤波的灰色BP神经网络方法的电力变压器运行状态评估

针对目前电力变压器运行状态的评估方法,本文提出了一种基于kalman滤波的灰色BP神经网络方法对电力变压器运行状态进行预测评估。首先用kalman滤波剔除原始数据的随机干扰误差,然后用灰色模型进行预测并与原始数据比较,然后用BP神经网络模型训练误差,以此来修正模拟预测值,文中是对已知的变压器油色谱试验信息进行分析预测,再对其进行评分,根据评分结果综合考虑采取相应的维护策略,从而为变压器的检修和维护提供技术依据,为变压器的安全运行提供保障。通过实例分析可以得出改方法较传统的方法精度更好,预测效果更加可行实用。     

基于改进时间序列方法的HRG输出建模预测

针对半球谐振陀螺仪的输出可能不符合时间序列分析的平稳性要求的问题,提出了一种基于经验模态分解的改进时间序列灰色预测方法,该方法将经验模态分解、时间序列建模和灰色预测结合起来。首先利用经验模态分解对陀螺仪的输出原始信号进行预处理,分解得到原始信号中包含的随机项和趋势项,然后对这些信号进行平稳性检验,根据检验结果选择时间序列分析和灰色预测对这些数据分别进行建模预测,最后将预测结果进行重构得到最终的预测值。仿真实验结果表明,该方法的预测效果比单独使用时间序列分析进行建模预测的效果要好。     

BP神经网络人口预测模型研究与仿真

基于时间序列的神经网络预测,从模型的结构设计、神经元个数、传递函数等方面,研究BP神经网络预测模型的建模.通过对国家统计局的人口数据建立样本,使用MATLAB对预测模型进行仿真实验,结果证明预测模型能够达到预测效果.     

基于ARIMA-RNN组合模型的云服务器老化预测方法

针对云服务器系统运行环境具有非线性、随机性和突发性的特点,提出了基于整合移动平均自回归和循环神经网络组合模型(ARIMA-RNN)的软件老化预测方法。首先,采用ARIMA模型对云服务器时间序列数据进行老化预测;然后,利用灰色关联度分析法计算时间序列数据的相关性,确定RNN模型的输入维度;最后,将ARIMA模型预测值和历史数据作为RNN模型的输入进行二次老化预测,从而克服了ARIMA模型对波动较大的时间序列数据预测精度较低的局限性。实验结果表明,ARIMA-RNN组合模型比ARIMA模型及RNN模型的预测精度高,且比RNN模型预测收敛速度快。     

电力企业售电量预测的评估分析

阐述电力企业售电量预测的方法，电力企业售电量预测的特点，探讨季节比例模型、改进的BP网络模型、元模糊线性回归模型，以及时间序列分析、回归分析、神经网络、灰色预测的算法预测，通过案例展示这些方法在电力企业售电量预测中的应用。