预测结果的一种计算方法

1.引言预测是人类专家经验知识在生产实践中的综合运用,是决策的依据。决策的好坏可决定一个厂矿企业或者一个国家的前途和命运,因此,预测有着重要的实际意义。目前,多数预测的建模是基于概率学的,硬性地将预测问题归为简明严谨的数学模型,尽管在某些特定条件下可行,但其实效件和可行性也难以保证。它有如下弱点: ·预测时使用方程的有效性依赖于对这些方程的扩展假设是否正确。例如,正态分布随机变量,由这些假设所产生的偏差效果     

多模型择优预测方法及其应用

本文在现有常见的预测方法的基础上,提出了一种“多模型择优预测模式”.借助于电子计算机对于黑龙江省未来某项主要的经济指标进行了预测,预测结果表明,这种预测模式综合能力强,预报误差可以相应减小,使用较方便.     

FDMSS—一类有效的弱DSS

本文根据作者开发的预测和决策子系统,总结了一种作为 MIS 子系统的预测决策支持系统(FDMSS)的结构特征及其与 DSS 的差距,指出该 FDMSS 是一类有效的弱 DSS,可供在 MIS 中开发一定功能的 DSS 时参考.     

蛋白质相互作用预测方法研究进展

蛋白质间的相互作用是细胞实现功能的基础,其研究对疾病的诊断和治疗有着重要意义。蛋白质相互作用预测方法有实验方法和计算方法两大类。作为实验方法的有效补充和验证工具,计算方法受到越来越多人的重视。本文主要分析了预测蛋白质相互作用的主要方法及其优缺点,对当前需待解决的相关问题进行了阐述。     

支持CSFB的MSC改造规模预测方法探讨

通过对CSFB语音方案原理的分析,结合业务模型及网络安全等方面的考虑,提出了一种支持4G CSFB的MSC改造规模预测方法,为端局后续建设提供了参考.     

在预测领域中应用模糊控制的研究

预测问题在科学技术领域中有着广泛的应用背景.提出了将基于误差反馈和专家经 验的闭环模糊控制引入预测系统,用于修正预测输出、提高预测精度和鲁棒性的设想.以电力 负荷预测为背景,进行了一系列实验研究,结果证明在预测领域中应用模糊控制是有效的,从 而为其它控制方法在预测领域的应用研究开辟了前景.     

一种灰色极限学习机预测方法

预测是一种根据已知数据在过去一定时间段内呈现出的发展的规律性对未来发展趋势进行描述的行为.近年来,预测被应用到很多领域,如电价预测、股票价格预测和气象预测等.然而传统的预测方法由于其精度不高或速度不快等问题,无法满足当今预测领域的需求.针对传统预测方法存在的问题,基于组合预测的思想,结合强化学习的累积函数的概念,提出了结合灰色预测模型和极限学习机的组合预测方法.算法在微软股票信息、Mackey-Glass时间序列数据和台湾液晶屏制造业的制造数据等实验数据集上进行了相关实验,结果表明该算法是有效的.     

武器装备故障预测建模方法选择研究

针对武器装备故障预测方法选择需要考虑的实际问题, 从国际标准化组织对故障预测的定义出发, 明确预测建模需要考虑的因素, 在此基础上对故障预测定义作进一步扩展, 突出故障预测具有的显著特征; 结合装备的实际使用环境, 设计故障诊断和预测流程, 以及对应故障预测方法选择标准; 对具体的每一种故障预测方法划分其主要类别和优缺点, 总结每种预测模型在工程实际中的使用方式, 为具体案例选择合适预测方法提供依据。最后根据目前故障预测应用还存在的差距, 指出未来进一步研究的方向。     

基于粗糙集理论的支撑向量机预测方法研究

分析了粗糙集理论方法与支撑向量机方法两者各自的优势和互补性，探讨了粗糙集与支撑向量机的结合方法．然后提出了一种基于粗糙集数据预处理的支撑向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势．减少支撑向量机的训练数据，克服支撑向量机方法因为数据量太大，处理速度慢等缺点。将该系统应用于股票价格预测中，与BP神经网络法和标准的支撑向量机方法相比，得到了较高的预测精度，从而说明了基于粗糙集理论的方法作为信息预处理的支撑向量机学习系统的优越性．     

基于提升方法的短期负荷预测的研究

目前有很多方法可以实现电力负荷预测,但各种方法都有各自的局限性,如何充分利用各种算法,使负荷预测的精确度提高,组合预测方法便应运而生了。然而当前的组合预测方法过于重视算法,而忽略样本。文中给出了一种基于提升方法的电力负荷预测挖掘算法,该方法通过样本权值进行抽样,训练生成模型,并根据模型效率改变样本权值,再次抽样训练生成模型,如此迭代生成多个模型后进行负荷预测。实际应用结果表明该方法比其它方法具有较高的精度。     

基于Agent的组合预测支持系统的设计

文章本着“定性”与“定量”相结合的思想,提出一种基于Agent的区域经济预测支持系统的设计方法。该区域经济支持系统是一个多Agent的系统,它将每一种定量的预测方法都设计成一个预测Agent,并由集成预测Agent在预测专家的协助下组合各个预测Agent的预测结果,完成预测任务。事实表明该预测支持系统能够更好地完成对区域经济的预测。     

改进IOWHA算子组合预测模型

针对现有单项预测模型提供信息有限,预测误差大的问题,引用最优加权组合建模理论,将灰色关联度与IOWHA算子相结合,提出一种新的组合预测模型权重确定方法,并应用该权重确定方法构建了一种基于RBF神经网络预测模型和GM预测模型的最优组合预测模型。该模型能够克服传统组合预测方法的两个缺陷：加权平均系数不变和以单一误差指标为准则。利用该组合模型对全国物流需求进行组合预测,并与RBF神经网络模型、GM模型的预测结果进行了对比分析。结果表明,相对于单项预测模型,该组合预测模型的预测精度更高,是一种有效的物流需求预测模型。     

基于关联面积法的物流货运量组合预测模型

针对物流货运量组合预测模型中赋权策略这个难点问题,在灰色模型、三次多项式趋势外推模型(PTEM)和三次指数平滑模型(TESM)基础上,引入关联面积法确定组合权系数,构建物流货运量组合预测模型。实例表明,与等权法、熵权法、平均绝对误差法对比分析可知,关联面积法综合体现了模型预测结果与真实时间序列之间的相关性及拟合误差,提高了模型预测性能和精度,是一种有效的组合赋权策略。     

A novel method of short-term load forecasting based on multiwavelet transform and multiple neural networks

This paper aims to develop a load forecasting method for short-term load forecasting based on multiwavelet transform and multiple neural networks. Firstly, a variable weight combination load forecasting model for power load is proposed and discussed. Secondly, the training data are extracted from power load data through multiwavelet transform. Lastly, the obtained data are trained through a variable weight combination model. BP network, RBF network and wavelet neural network are adopted as the training network, and the trained data from three neural networks are input to a three-layer feedforward neural network for the load forecasting. Simulation results show that accuracy of the combination load forecasting model proposed in the paper is higher than any one single network model and the combination forecast model of three neural networks without preprocessing method of multiwavelet transform.     

基于层次分析法的电力负荷组合预测

应用组合预测理论,引入层次分析法（AHP）建立电力负荷组合预测的结构模型,利用AHP的1～9标度．计算相应权重．对电网负荷进行预测,从而获得电力负荷预测的满意解及推荐值。算例结果表明,所提出的基于层次分析法的电力负荷组合预测法具有较高的预测精度,有一定的实用性。     

基于模糊推理系统的非线性组合建模与预测方法研究

基于模糊推理系统在紧支集中能够逼近任意非线性连续函数的特性,提出了一种基于Takagi-sugeno模糊规则基的非线性组合建模与预测新方法,以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足,并给出了相应的基于学习自动机层次结构的优化算法确定模糊系统的参数和模糊子集的划分,理论分析和大量的经济预测实例表明：该方法具有很强的学习与泛化能力,在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统组合建模与预测方法有很好的应用。     

模糊逻辑系统的非线性组合预测方法与系统误差分析研究

本文提出一种基于模糊逻辑系统的组合预测方法。其基本思想是利用模糊系统的万能逼近特性,采用模糊Taki Sugeno模型来进行非线性组合预测函数的φ（x）模拟。这种全新的组合预测方法不仅降低了构造非线性组合预测函数φ（x）的难度,而且使预测精度大大提高。     

基于支持向量机参数识别的灰色预测模型

采用基于支持向量机参数识别的灰色预测模型,用基于结构风险最小化准则的支持向量机方法求取灰色模型的参数,再用灰色模型计算预测值。该方法避免了过拟合问题,提高了模型的预测精度。     

Performance evaluation of weights selection schemes for linear combination of multiple forecasts

Time series modeling and forecasting are essential in many domains of science and engineering. Extensive works in literature suggest that combining outputs of different forecasting methods substantially increases the overall accuracies as well as reduces the risk of model selection. The most popular method of forecasts combination is the weighted averaging of the constituent forecasts. The effectiveness of this method solely depends on appropriate selection of the combining weights. In this paper, we comprehensively evaluate a wide variety of benchmark weights selection techniques for linear combination of multiple forecasts in terms of their prediction accuracies. Nine real-world time series from different domains and five individual forecasting methods are used in our empirical work. A robust scheme is also suggested for fairly ranking the combination methods on the basis of their forecasting performances. Our study precisely demonstrates the relative strengths and weaknesses of various benchmark linear combination techniques which evidently can be of much practical importance.