高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

城市中长期用电量预测方法研究

针对影响城市中长期用电量的主要因素,分别建立一元线性回归法、产业产值单耗法、大用户分析法以及气候分析法4种预测模型,结合算例详细介绍各模型的建立过程以及有效性检验。算例结果表明,4种预测方法在预测用电量时误差都较小,可以针对不同的情况采用。     

基于模糊划分聚类的中长期用电量预测

将模糊划分聚类理论应用中长期用电量预测,依据模糊聚类、模糊模式识别、类别变量特征值,与概率统计相关分析等模型,建立类别变量特征值与预测对象之间的相关关系,利用此相关关系进行负荷预测。实践表明,此方法具有较高的预测精度,能较好地适应不同地区的负荷特性。     

重叠局部高斯过程回归

高斯过程是一种函数的分布,在机器学习领域常用于回归.对于n个训练样本,其训练和预测时间复杂度分别为O(n~3)和O(n~2),因此难以应用于大规模数据.针对这个问题,本文基于分治的思想,提出一种简单高效的近似模型,称为"重叠局部高斯过程".本文方法假设随机变量在给定邻近变量的值后,会与距离较远的变量条件独立.首先将训练样本集递归划分,构建一棵三叉树,其中兄弟节点包含的样本存在交集,交集中的样本起到诱导点的作用,可构建相邻区域的依赖关系.然后利用每个叶子结点所包含的样本建立局部的高斯过程回归模型,在当前假设下,每个父节点的边缘似然和预测分布可通过组合其子节点的计算结果来近似,从而降低计算量.同时,这种组合方式可保证拟合的函数是连续的.理论分析表明,对于n个训练样本,近似模型训练和预测的时间复杂度均为O(n~t),其中t与交集的大小相关,通常介于1与2之间.此外通过在公共数据集上的实验对比也验证了本文近似模型的有效性.     

基于高斯过程的大坝变形预测模型

鉴于高斯过程在处理高维数、小样本和非线性等复杂的问题的突出表现,提出基于高斯过程的大坝变形预测新模型.详细分析基于GP的大坝变形预测模型构建过程,并建立预测结果的方差及置信区间的估计方法.将GP模型与多种大坝预测模型进行精度对比,并进行结果可靠性分析.通过实例分析可知,GP模型预测结果的精度指标优于其余方法,并且实测值均在估计的置信区间内.因此,证实GP模型是一种精度及可靠性高的大坝变形预测新方法.     

基于高斯回归学习的场景优化鲁棒预测控制

针对具有未知加性不确定性的约束线性系统,提出基于高斯过程回归学习的场景优化鲁棒模型预测控制算法.在离线阶段使用高斯回归从经验数据中学习不确定性结构与参数,能够抽取大量随机场景.在在线控制阶段中,求解抽取场景所构建的有限时域优化问题,将滚动优化得到的控制律作用于系统.引入松弛变量保证优化问题的可行性,应用随机凸优化理论,证明所提算法使系统以一定的置信度满足松弛机会约束,收敛于终端域.通过DC-DC转换器和网联车巡航控制仿真实验,验证了本文算法的有效性和优越性.     

基于免疫进化支持向量机的年用电量预测

支持向量机(SVM)是在统计学习理论基础之上发展起来的,针对小样本数据且具有优良推广性能的机器学习方法。阐述了SVM的基本原理及特性,并采用一种新的有效随机全局优化技术-免疫进化算法(IEA)对SVM核函数的参数进行了优化。介绍了IEA-SVM算法的设计思想和特点,成功地实现了此模型在年用电量预测中的应用,对四川省电网1978～1998年年用电量状况进行了实例研究,预测值与实际值相差较小,并与基于偏最小二乘回归(PLS)模型的预测成果进行了对比。理论分析和实例结果验证了基于IEA-SVM的年用电量预测方法的正确性和有效性。     

基于FCM-GPR模型的电力网空间负荷预测方法研究

利用高斯过程回归模型描述不同时间尺度下负荷序列的基本演化趋势、强波动和随机噪声水平.对历史负荷数据进行可视化分析,挖掘整理出不同时间尺度下的历史负荷数据,与气候数据一起作为特征数据.采用模糊聚类算法对整理出的特征数据进行筛选,消除冗余信息,构造出紧凑有效的最优特征集.将历史负荷数据代入高斯过程回归模型进行训练,并利用实...     

基于高斯过程回归与硬件优化的可见光室内定位设计

为了使可见光室内定位操作更加简单,不依赖于视线视图和位置登记,在硬件方面,使用光电二极管作为接收器,通过组装兼容的光电二极管和紧凑型LED完成硬件方面的优化。在软件算法方面,基于指纹技术,使用高斯过程回归（GPR）算法进行定位。首先对GPR环境进行建模,构建一个强度分布模型。然后,使用贝叶斯理论获得定位的表达形式。实验在3m×3m的平台区域上进行,对25个目标进行测试。与类似的室内定位系统相比,所提系统定位精度更高,实现了厘米级定位。且可以长时间精确定位运动目标,鲁棒性较好。     

基于高斯过程回归的空天飞行器多精度气动建模方法

为了满足空天飞行器在初步设计阶段宽速域、大空域模型的需求,将传统工程估算方法和计算流体动力学（CFD）数值模拟方法分别作为低精度和高精度气动数据来源,基于高斯过程回归模型提出独立于构型的空天飞行器气动性能多精度气动建模方法.在工程估算方法中,以面元法为基础,建立空天飞行器气动力快速估算模型.在CFD数值模拟中通过求解三维可压缩Euler方程实现空天飞行器气动高精度计算.将所提出的多精度气动建模方法应用于FTB外形的双参数气动建模问题中,通过对比分析,发现所提出的多精度气动模型的预测精度、稳定性均优于用同等数量高精度样本构建的单精度代理模型的,预测的相对误差小于1%.将多精度气动模型作为该空天飞行器再入问题气动数据来源,对比分析单、多精度建模方法对再入轨迹仿真的影响,发现所提出的空天飞行器多精度气动建模方法能够更加快速、准确地给出轨迹仿真所需的气动数据.     

基于随机森林算法的中短期用电量预测

传统电力预测模型不能很好地将多种影响因素纳入考虑,也无法对关联因素进行筛选。针对该类问题,该文将信息论中的互信息及人工智能随机森林算法引入中短期用电量预测中。互信息可以根据多种变量与用电量间的平均互信息值大小辨识出关联性高的因素,不同产业可能高关联于不同变量。考虑不同关联因素,采用随机森林算法对不同产业进行针对性预测建模。以江苏省的用电量数据作为实际算例,并将上述方法与未采用互信息的方法以及未针对性分产业建模进行对比。仿真结果表明,上述方法具有科学性和有效性,且有较高的预测精度。     

回归模型中基于机器学习的流量预测算法

在基于机器学习的流量预测算法中,详细研究了基于回归模型的预测算法,将机器学习算法引入到网络流量预测中,提出了不同的弱回归算予用来描述网络流量中的非线性特性。针对网络流量中的自相似特性,提出两种不同的机制,即用主成分分析作为预处理和为每一维特征保留一组权重分布;同时,针对实验中发现的过匹配现象提出一种自适应的权重更新准则。     

基于分段模糊拟合方法的用电量预测研究

用电量的预测受许多因素的影响.为了得到比较精确的预测结果,对原始用电量数据进行平滑预处理,并考虑到影响园区用电量的主要因素,将其进行模糊化处理.借助分段模糊拟合预测方法进行拟合预测,通过对具体算例的分析研究发现,该预测方法能够较好地提高预测精度.     

基于代数多项式模型的用电量预测研究

针对电网布局与建设等要求,需要根据地区提供的历史数据对该地区未来的用电量进行比较合理的预测。为此,构建基于递推最小二乘法算法的多项式预测模型,并提出基于代数多项式神经网络预测方法。该方法以多项式拟合模型构建神经网络拓扑结构,以模型参数作为神经网络权值,以往年每个季度的用电量数据作为参考值,使用递推最小二乘法对神经网络权值进行训练以获得多项式模型参数。仿真结果表明,该方法不仅具有良好的拟合效果,而且也具有良好的预测功能,在电力系统用电量预测中具有较大的应用价值。     

基于PSO-GPR的发动机性能与排放预测方法

针对发动机标定试验成本大、开发周期长等问题,提出一种基于粒子群算法优化的高斯过程回归(PSO-GPR)模型,用于处理非线性、复杂的发动机性能和排放预测,以提高试验效率。基于一款汽油发动机的点火角标定试验,结合间隔填充试验设计,通过模型使用少量的试验数据预测扭矩、比油耗、IMEPcov及HC、NO_x和CO排放等发动机性能和排放参数,并引入R²、RAAE和RMAE对模型泛化能力进行评估。在此基础上研究了不同训练集数量对模型泛化能力的影响,并基于3种不同的机型对模型的普适性进行了验证。结果表明：PSO-GPR模型可以对发动机性能和排放参数进行预测,且精度优于传统的GPR模型和多元多项式回归(MPR)模型,同时该模型具有普适性,为减少发动机标定工作量提供了参考。     

基于高斯过程回归的机翼/短舱一体化气动优化

为了解决机翼/短舱一体化气动设计的高维非线性优化问题,基于高斯过程回归（GPR）模型提出新型优化设计方法.采用类别形状函数变换（CST）方法对机翼/短舱一体化构型中的翼型进行几何参数化建模;通过控制机翼形状参数、短舱形状参数和短舱安装参数实现机翼/短舱构型变形,该参数化建模过程共计包含50个设计参数.通过GPR模型构建机翼/短舱设计参数与气动性能之间的代理模型,并采用贝叶斯优化（BO）算法实现代理模型的自更新和最优气动外形的获取.结果表明：优化后一体化构型的阻力系数下降了10.95%,通过流场分析发现机翼外形和短舱外形的优化改善了表面流场结构,短舱安装位置的优化减弱了机翼和短舱间的气动干扰.     

基于高斯过程的企业网络资源优化算法

随着视频、云计算、大数据、物联网等新兴业务对网络带宽的需求快速增长、流量的持续增长已经使得大型企业的网络运行疲惫不堪.加之互联网传送技术是在不断更新,同步数字体系(SDH)、分组传送网(PTN)、光传送网(OTN)等新型光传送网设备不断在网络上部署,导致现网中各种类型的设备并存.使得企业通信网络规模日益扩大、各专业网络技术复杂度上升.与此同时复杂网络的资源优化问题逐渐突出,源自于不同的协议、不同构架的网络系统,传输数据的不同导致网络局部效率和整体效率不一致.而且不同厂家、不同专业的异构网络导致网络结构的复杂性和网络资源重复投入,亟需解决简化优化方法、提高共享资源和信息的利用率,提高优化的资源分配方式,提升通信网络整体的运作效率.     

基于ARIMA模型的包头市全社会用电量短期预测

通过分析包头市2017—2021年全社会用电量月度数据,运用时间序列的分析方法建立合适的模型,从而达到对包头市未来用电量短期预测的目的.模型预测结果显示：包头市全社会用电量服从ARIMA(2,(1,12),0)模型,利用ARIMA(2,(1,12),0)模型预测包头市未来的短期用电量切实可行,能更好地为电力行业制定短期电力政策提供有力的参考.