组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

数控机床故障时间的灰色神经网络复合预测

为了提高数控机床的可靠性,需要对其工作故障时间进行预测.基于等维新息观点,分别用灰色系统多次残差修正模型和神经网络等2种单一预测方法和等维新息递补神经网络组合预测方法对机床故障观测数据进行了预测,结果显示复合预测误差小于单一预测误差,模型有较高的预测精度.     

基于粒子群算法的水资源需求预测

针对南昌市未来水资源需求预测问题,提出了基于粒子群算法的水资源需求预测方法.以南昌市历史人口、经济和水量需求数据为基础,构造了线性、指数和混合预测模型,利用粒子群算法对预测模型进行优化以确定模型参数.仿真实验结果表明,3种模型都能获得较好的预测精度,其中混合预测模型效果最好,预测精度达到97. 71%.     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

时间序列的灰色建模试验

介绍了GM(1,1)的原息模型、新息模型和等维新息模型的建模方法,比较分析了GM(1,1)加权预测模型和非加权预测模型的可靠性问题.通过对实验结果的比较分析,我们认为等维新息加权预测模型预测的结果最接近真实值,其余依次是等维新息模型,加权新息模型,新息模型.在这6种预测模型中,预测精度最差的是原息模型.     

基于支持向量回归与LSTM的城市PM2.5预测

针对城市 PM_2.5变化的非线性、时序性等特征,提出一种基于支持向量回归 (SVR) 与长短期记忆(LSTM) 相结合的预测模型。采用 Morlet 小波核函数作为支持向量回归的核函数,并通过改进粒子群算法对其进行参数优化,用 SVR 算法拟合城市 PM_2.5值的非线性变化规律进而实现城市 PM_2.5值的预测;用 LSTM方法预测包含时间序列的城市 PM_2.5值;将 SVR 与 LSTM 的预测结果进行非线性叠加得到较优的预测结果。使用某城市三处监测点真实数据集进行实验,结果表明提出的方法较 ARMA 时间序列、传统 SVR 以及单一的 LSTM 等均具有更高的准确度,是一种有效的城市 PM_2.5预测模型。     

加工误差灰色预测模型的优化

为了提高加工误差灰色模型的预测精度,根据灰色系统理论,提出了一种基于等维新息GM(1,1)模型和背景值定权生成相结合的建模方法,采用优化方法实现了灰色模型维数和背景值权系数的适应性选择.实际应用表明,这种方法能增强灰色模型的适用性,减小原始序列随机波动对灰色模型的影响,提高加工误差建模预测的精度.     

生物降解复合材料降解性能预测灰色模型研究

提出了采用灰色模型对生物降解复合材料的降解性能进行预测的基本方法,利用实测的降解率序列建立GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型,预测复合材料降解率,并对各模型的预测结果进行比较.结果表明,将残差GM(1,1)模型和等维新息CM(1,1)模型结合使用可使预测效果更好.     

桑丝绸老化力学性能预测灰色模型研究

提出了采用灰色模型对桑丝绸老化力学性能进行预测的基本方法,利用实测的老化后织物的断裂强力序列建立GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型,预测织物的断裂强力,并对各模型的预测结果进行比较分析.结果表明:将GM(1,1)模型和等维新息GM(1,1)模型结合使用可以使预测效果更好.     

灰色预测中的样本合适长度及残差周期模型

中将灰色理论应用干电力负荷预测，设计了等维新息模型，并根据实际数据说明了样本的合适长度．针对原始数据波动情况，提出了残差周期模型以提高预测精度。     

基于Markov链的锅炉热负荷预测方法

基于Markov链的锅炉热负荷预测方法,提出多参数预测调控模型。根据室外温度,对日均供水温度进行Markov链预测,结合日均燃煤量、鼓风机频率、引风机频率等参数的状态空间,进行复合概率预测。具体应用时,将调控量的大概率最低值作为起点,根据监测量变化,优化调节。试验结果表明:在居民室温达标范围内,日均煤耗量较模型应用前降低约8%;日均供水温度降低约7%,燃煤投放准确率及调控精确率有效提升实现了锅炉热负荷的精细调控。     

差分进化最小二乘支持向量机法预测日用水量

为解决最小二乘支持向量机的参数确定问题,提出采用自适应差分进化最小二乘支持向量机法预测日用水量.引入改进粗糙集算法分析日用水量主要影响因素,利用自相关系数法确定序列的相关性,并将自适应差分进化算法(SADE)用于优化最小二乘支持向量机(LSSVM)的参数,建立了基于SADELSSVM的预测模型.结果表明,与传统差分进化算法(DE)和自适应遗传算法(SAGA)相比,SADE具有更快的最优个体搜索速度和群体进化速度,与基于SAGALSSVM和基于DELSSVM的模型相比,本文提出模型的预测能力更强.     

基于MIMO-SVR的供热负荷日预报方法

针对城市集中供热系统中提前24小时的日负荷预报方法具有较大误差问题,提出了一种基于多输入多输出支持向量回归（MIMO-SVR）的供热负荷日预报方法.该方法利用MIMO-SVR的多输出特性通过一步预报直接获得24小时的日负荷预报.通过对某热力站实际供热负荷数据进行仿真研究,结果表明,MIMO SVR日预报的平均相对误差为2.47%,较多输入单输出支持向量回归（MISO-SVR）预报精度高,能够满足供热工程的应用需要.     

一种基于支持向量回归的多层原油分层产能贡献预测模型

由于分层原油产能贡献与原油色谱指纹参数之间是一种极其复杂非线性关系,常规方法难以建立准确的预测模型,引入非线性函数拟合的支持向量回归方法。利用特征指纹参数和支持向量回归机建立SVR多层原油产能贡献预测模型。采用原油配比实验进行验证,预测输出与实际配方比例值的最大绝对误差为3.17%,平均误差为1.8%,同时利用实验井预测模型对相似井进行分层产能监测。实验结果表明,该模型具有较好的预测效果与较大的应用价值。     

基于遗传支持向量机的时用水量预测模型

针对传统支持向量机采用交叉验证确定参数耗时较长的不足,提出了基于遗传支持向量机的时用水量预测模型.根据时用水量序列的相关性,确定预测模型的输入参数;利用自适应遗传算法优化支持向量机的参数,建立了时用水量预测模型.实例分析结果表明,与基于传统支持向量机的预测模型相比,基于遗传支持向量机的时用水量预测模型建模速度更快,预测精度更高.验证了所提出模型的合理性和有效性.     

蚁群算法分配权重的燃气日负荷组合预测模型

为适应城镇燃气日负荷随机性和多变性的特点,克服特定时刻单一负荷预测模型存在实际应用局限性的问题,将5种评价准则用于组合预测前剔除冗余模型,提出了一种建立变全重组合预测模型的方法,通过蚁群算法确定分配权重的组合预测模型,使得在一个时段上的燃气日负荷预测精度好于各单一模型.首先对包含诸多随机和模糊等不确定因素的城镇燃气日负荷时变系统和各预测模型特点进行分析;然后确定岭回归分析(Ridge)、差分自回归积分滑动平均模型(ARIMA)、支持向量机回归(SVR)、极端梯度提升树(XGB)共4类单项日负荷预测模型,结合城镇燃气日负荷和模型的特点,分别给出每个模型各项参数的设置和模型的输入向量;用平均相对误差、均方根误差、灰色关联度、相关系数、Theil不等系数为评价准则计算出的综合评价指标剔除冗余模型,最后建立了蚁群算法权重分配的组合预测模型.预测实例表明,蚁群算法分配权重的燃气日负荷组合预测模型长期的综合预测效果要优于任意单项模型,相比于单一模型而言,组合预测模型的稳定性和容错率更高,具备较强的泛化能力.     

基于Bayes方法和模糊检验的年最高水位的概率模型研究

提出了年实测最高洪水位分布概率模型的模糊检验方法，并以此分布为先验分布，用Bayes方法得到验后分布的统计参数，以进一步修正概率模型的统计参数，得到更新的模型参数．计算实例中，以长江下游某市水文站实测的58年最高洪水位资料为样本，用K-S法和模糊检验法对年最高水位的分布规律进行检验，其结果表明：用K—S法检验，年最高水位概率分布对正态分布和极值I型分布都不拒绝，但通过模糊检验法可以证实正态分布更接近实际；再利用后10年的实测最高洪水位的小样本，对模型的分布参数进行了修正．提出的年最高洪水位的更新概率模型及参数计算方法，为现有堤防工程的加高设计方案决策提供了理论基础．     

地表水源水质预测方法研究

对时间序列、灰色系统、人工神经网络等水质预测方法及其特点进行了分析、探讨，举实例说明各种预测方法的特点，据此将预测方法分为适用于短期预测的统计模型法和长短期预测均适用的非统计模型法；同时对解读水质预测模型内在水质变化机理的研究新动向进行了分析讨论，提出了按照预测的实际情况和要求具体选择预测方法的流程．     

基于奇异谱分析的PMI组合预测模型

为了提高制造业采购经理人指数（PMI）的预测精度,结合PMI周期性和非线性的特点,提出了融合奇异谱分析（SSA）、季节差分自回归移动平均（SARIMA）模型和支持向量回归（SVR）模型的组合预测模型。该模型采用SSA将PMI分解为主要成分和噪声成分,借助SARIMA模型处理线性问题以及SVR模型处理非线性问题的优势,分别为两个成分建立相应的预测模型,针对主要成分选取SARIMA模型和SVR模型建模,噪声成分选取SVR模型建模,最后将各自得到的结果组合为最终的预测结果。实验显示：SSA-SARIMA-SVR模型的误差评价指标最低,预测效果最好,可供预测PMI走势。     

城市供水量的灰色GM(1,1)预测

研究了城市供水过程中,其用水量、水厂供水量与时间、费用、温度间的关系。首先运用了数理统计和回归分析法,结合散点图形,对数据进行了统计分析,建立了城市用水量和城市供水量与时间的基本预测模型。然后利用灰色系统理论,结合影响城市水量的水价、温度等因素的影响,建立了灰色GM(1,1)预测模型,为城市供水系统提供较有力的理论支持。