共查询到17条相似文献,搜索用时 156 毫秒
1.
2.
3.
4.
航空公司能耗的预测直接影响能源需求的规划与节能的决策.针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型.该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度.仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持. 相似文献
5.
时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。 相似文献
6.
7.
为了提高城市建筑能源管理的效率,从而实现节能减排目的,提出了一种基于小波神经网络的建筑BIM能耗预测算法。该方法首先根据限制因素建立了标准的建筑模型。然后根据简化原则,以某商务型公寓楼为例通过BIM 技术对建筑模型进行了参数化。最后运用BP小波神经网络对模型能耗进行预测算。仿真实验结果显示,提出方法的预测误差在合理范围内,验证了其可行性。 相似文献
8.
时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。 相似文献
9.
本文针对目前风力发电功率预测存在超短期、精度差等问题,通过分析大规模风力发电功率特性和风电预测时间序列特性,提出以深度循环神经网络进行预测,结合小波系数多尺度分析的隐马尔可夫预测方法,将深度学习引入到循环神经网络中来,构建基于多尺度隐马尔可夫模型-深度循环神经网络模型的大规模风力发电功率预测模型(MHMM-DRNN)。实例验证相对误差平均值:BP神经网络模型约为31.56%,在预测过程中误差最大,ARMA模型约为23.20%,小波分析约为26.11%,而MHMM-DRNN预测模型约为16.85%,具有较好的实用性。 相似文献
10.
磨削加工是高精密零件的重要加工环节,且影响磨削工件尺寸精度的因素复杂。针对传统预测模型无法准确预测其趋势变化或预测效果较差,且预测精度不高这一问题,通过对磨加工过程进行分析,对尺寸预测技术的适用性进行研究,提出将小波变换与时间序列分析相结合的预测模型。通过实验验证小波时间序列模型预测平均误差不超过1μm,平均绝对误差MAE=0.105,均方根误差RMSE=0.185,平均绝对百分比误差MAPE=0.159,证明了基于小波时间序列模型的磨加工尺寸预测技术的精确性与可行性。 相似文献
11.
油品具有两个基本的物理特性,第一个是挥发性,第二个是易燃性。这些物理特性使得油品在运输过程中的能耗现象非常常见,有时候还会引发安全事故。为了让油品在运输过程里面的能耗得到更加有效的控制,就应该对油品消耗管理体系加以改进,使能源能耗控制管理模式的层次不断提升。此外还要对水电气能源进行多层次管理,从而提升企业整体效益并实现节约能源的目标。本文主要对油品运输中优品损耗的精细化管理措施加以研究。 相似文献
12.
13.
14.
15.
16.
针对质检扰动引起的完工时间延迟和机床能耗高的问题,对绿色柔性作业车间动态调度进行研究.从考虑调整时间和质检时间的视角建立节能调度模型,采用加权归一的方式将多目标合并,利用改进的头脑风暴算法进行求解,在编码环节引进了转换机制和多层编码策略,优化了机器选择和工序排序问题.通过Matlab仿真软件对算例进行测试,研究结果表明... 相似文献