基于粒子滤波的混沌时间序列局域多步预测

对混沌时间序列进行预测研究具有重要的价值和实用性,例如,进行股票预测,降雨量预测,温度预测。混沌时间序列预测的难点在于其不确定性和多步预测的困难性。一般利用最小二乘法求解模型参数,从而对混沌时间序列进行局域预测,但是预测精度不是很高。为了提高局域线性预测的精度,提出基于粒子滤波(PF)的混沌时间序列局域多步预测法,利用粒子滤波进行参数优化得到更准确的优化模型进行多步预测。仿真实验结果表明,该方法的单步和多步预测效果明显得到了提升。     

基于深度学习的电离层参数预测研究

对于电离层参数预测,通过长短期记忆(LSTM)的预测神经网络建模实现电离层参数的短期和日均值预测。使用逐点预测和序列预测2种方法,并采用多维预测和经验模态分解(EMD)算法优化,预测电离层参数的每小时和每天的变化规律。实验结果验证了所提优化算法在提高预测电离层参数预测精度上的可行性。     

基于混合算法的月度负荷预测研究与应用

用电量预测的核心问题是预测的技术方法,如何提高预测精度是国内外研究的热点。文章提出了一种月度预测系统,该方法结合了季节性预测和非季节性预测两种算法,并通过评估确定不同算法所占权重,最终得到预测误差最小的组合预测结果。     

企事业信息集成研发(下)

3．预测模型 3．1分类及原则 统计预测通常是运用统计方法,揭示现象的变化特征和数量关系,对其未来发展状况进行估计和推断”。根据研究的方法可分为定性预测、回顾预测和时间预测三种;根据不同时期可分为近短期预测和中长期预测;根据不同空间可分为宏观预测、中观预测和微观预测;根据不同对象又可分为经济预测、社会预测、科技预测和军事预测等。在各类预测中通常应该遵循连贯性、类推性、相关性和动态性原则。     

基于预测误差修正的时序链路预测方法

论文主要针对时序链路预测方法进行研究。分析了静态链路预测方法的弊端,认为忽视网络演化趋势信息会对链路预测产生负面影响;还提出了链路预测误差的概念用于描述网络趋势信息,并以此为基础提出一种基于预测误差修正的时序链路预测方法。该方法首先对待预测时刻之前一个时间窗口内的多幅网络图分别采用静态链路预测方法进行预测,记录每次的预测误差并计算其修正值,最后对待测时刻静态预测结果进行修正得到最终预测结果。通过在两个真实网络数据集上进行系列实验表明,该方法较大提升了静态链路预测方法的预测精确度,与另一种典型的时序链路预测方法相比其精度也有所提升,且算法时间复杂度较低。另外,实验中还发现链路预测误差序列与网络链路总数序列存在镜面对称关系,分析其内在原因证明了所提方法的普适性。     

采用拟合方法实现减少寻呼误差的研究

通过对移动网络保障中寻呼问题的分析,提出拟合寻呼预测的新方法,寻呼的预测不再采用以往的简单增幅预算方法,而是采用基于业务进行预测。相对于传统预测方法,不仅提高了预测的准确性,同时也简化了传统预测方法中由于割接、站点增减导致的预测偏差。     

基于机器学习算法的运营商用户流失预测方法

文章提出了对基于机器学习算法的运营商用户流失预测方法,该方法根据实际的预测需求及标准,对初始数据信息进行预处理,提取用户流失特征,并以此为基础,构建多目标预测层级,设定多层级的用户流失预测结构,提升整体的预测精准度,加快预测速度,完成对用户流失机器学习计算预测模型的构建,并将其用于用户流预测。测试结果表明：机器学习算法运营商用户流失预测测试组最终得出的预测召回率相对较高,表明预测中的误差可控,预测范围扩大,整体的预测针对性更强一些,具有实际的应用创新意义。     

粒子群算法优化支持向量机的网络流量混沌预测

针对传统网络流量预测方法存在预测平均绝对误差较大的问题,提出基于粒子群算法优化支持向量机的网络流量混沌预测方法。采用粒子群算法对支持向量机方法进行优化,利用优化后的支持向量机方法对网络流量进行混沌预测,预测结果表明,采用改进预测方法时,其预测的平均绝对误差值相比FCM-LSSVM网络流量预测方法、Morlet-SVR和ARIMA组合预测方法分别降低了65.3%,34.3%,具有一定的优势。     

基于GM-RBF神经网络的光伏发电功率预测

为了提高光伏发电功率预测的精度,本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上,提出一种基于灰色径向基函数（Radical Basis Function, RBF）和神经网络光伏发电功率预测模型。该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。最后,运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证,得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%,其预测精度均高于灰色预测算法和RBF神经网络预测算法。     

改进的变权组合业务量预测应用方法

对预测误差平方和最小为原则的固定权重最优组合预测模型进行改进,提出了一种应用于移动通信网业务量预测的变权组合预测方法。通过4种预测方法对某地业务量进行预测并比较其精确度,结果表明改进的变权组合预测方法取得了较高的预测精确度。     

灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。     

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。     

基于ARIMA和PF的锂电池剩余使用寿命预测方法

有效的电池剩余使用寿命(RUL)预测方法能够极大地提高系统的可靠性。提出一种基于自回归集成滑动平均模型(ARIMA)和粒子滤波(PF)融合预测框架,该框架由ARIMA方法和PF方法构成,ARIMA 应用于短期预测,而粒子滤波应用于长期预测。首先在线对锂离子电池进行监测,然后根据短期预测或长期预测要求执行相应的算法,得出横纵坐标分别为周期和容量的 RUL 预测图。实验结果表明,该预测框架能够快速准确地预测锂离子电池 RUL。     

基于神经网络模型的网络流量预测综述

网络流量预测技术可以帮助运营商准确预估网络的使用情况,合理分配并高效利用网络资源,以满足日益增长且多样化的用户需求。大量研究表明,神经网络的预测性能高于其他经典预测方法,在网络流量预测中的应用潜力巨大。总结网络流量预测的一些关键因素和预测误差评判方法,重点介绍近年提出的可用于预测的神经网络模型原理、相关预测方法及其属性比较,旨在为包括流量在内的各种网络参数预测技术的学术研究与实际应用提供可借鉴的方法和手段。     

动态频谱接入中基于最小贝叶斯风险的稳健频谱预测

针对频谱感知错误累积造成频谱预测性能恶化问题,该文提出一种基于最小贝叶斯风险的稳健频谱预测策略。分布拟合检验表明频谱预测输出服从正态分布,定义频谱预测输出的贝叶斯风险函数,证明使贝叶斯风险函数最小的频谱预测输出判决门限将使频谱预测的均方误差最小,求得了使贝叶斯风险最小的最优判决门限,构建稳健频谱预测策略。仿真结果表明,与固定判决门限的神经网络频谱预测相比,稳健频谱预测策略改进了频谱感知错误下的频谱预测性能,改善了非授权用户的动态频谱接入性能。     

光纤传输网链路阻塞概率预测方法研究

针对传统光纤传输网阻塞预测方法存在正确预测阻塞数据量较少,影响光纤传输网正常运行的问题,开展对光纤传输网链路阻塞概率预测方法的研究。通过建立光纤传输网链路阻塞概率模型,推导阻塞概率预测算法公式,得出一种新的阻塞概率预测方法。通过对比实验证明,该预测方法与传统预测方法相比,正确预测阻塞数据量得到了明显的提高,同时更接近于实际阻塞数据量,为控制阻塞对光纤传输网造成的不利影响提供帮助。     

一种语音信号的线性局部自适应递推预测算法

语音产生过程包含非线性过程,传统的线性预测方法不能很好地解决这些非线性成份。局部线性预测是一种高精度的预测算法,但计算复杂度较大。为提高非线性预测的速度,提出了一种自适应递推局部线性预测算法．并设计算法的步骤,分析算法的复杂性。仿真结果表明,该算法比线性预测算法精度高,是一种有效的语音信号非线性预测方法。     

电力系统负荷预测方法综述

电力系统负荷预测关系到电力系统的调度运行和生产计划,准确的负荷预测有助于提高系统的安全性和稳定性,能够减少发电成本。随着电力市场的建立和发展,短期负荷预测将发挥越来越重要的作用。文中系统分析了电力系统负荷预测的相关方法,包括传统负荷预测方法、基于人工智能的负荷预测方法、时频分析的动态预测方法以及动态过程描述的负荷预测方法,对各种不同方法的基本原理和优缺点进行了描述。最后,文中认为实用的负荷预测方法应该是结合各种预测模型优点的组合方法。     

组合预测方法在电力系统负荷预测中的应用研究

本文阐述了组合预测方法与电力系统符合预测概念和组合预测方法的应用原则、模式和基本形式,并通过对组合预测在电力系统负荷预测中的作用及意义,就对组合预测方法在电力系统负荷预测中的应用研究进行了分析。     

电信业务发展调查预测方法探讨

建立电信业务发展预测数学模型,在进行市场调查、相关分析的基础上,以黑龙江省住宅电话发展预测为例,分别利用用户需求意向调查法、回归分析法、专家意见预测法对电信业务发展趋势进行预测,并对各预测方法进行评价,提出加权综合预测的方法,得出预测结论。