基于熵值法的短时交通流组合预测仿真研究

研究短时交通流预测问题.传统的非参数回归预测模型中,输入状态向量的选取没有综合考虑预测点和领域点的情况.为了提高预测的精度,提出了用熵值组合的非参数回归短时交通流预测方法.首先用灰关联度和相关系数法确定邻域点和预测点的输入状态向量,用反馈机制动态调节输入变量与系统变量,然后采用带权重的预测算法分别计算这两组参数下的预测值,采用熵值法构造组合预测的权系数,可求解出新的预测结果.实测数据仿真结果表明,组合预测能够提高预测的准确性,为实际设计提供依据.     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。     

基于熵权层次分析法的云平台负载预测

为提高对云平台负载情况的预测精度,降低预测负载值的波动性,研究非线性时间序列的预测算法.对影响云平台运行的因素进行认知和分解,提出基于熵权层次分析法的主客观评价模型.在此基础上,建立基于差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)...     

基于互补型集成经验模态分解模糊熵和回声状态网络的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出一种噪声互补型集成经验模态分解(CEEMD)模糊熵和泄漏积分型ESN(LiESN)的组合预测方法。为降低对负荷序列进行局部分析的计算规模以及提高负荷预测的准确性,首先采用CEEMD模糊熵将负荷时间序列分解为具有明显复杂度差异的负荷子序列;然后,通过对各子序列进行特性分析,分别构建相应的子LiESN预测模型;最后将各子序列的预测结果叠加得到最终预测值。将CEEMD模糊熵结合LiESN的组合预测方法应用于美国新英格兰地区短期电力负荷实例中,仿真结果表明,所提出的组合预测方法具有很高的预测精度。     

基于灰色变权搜索的软件故障预测方法

针对软件故障数目历史数据的小样本特征,在传统灰色模型基础上,将预测模型的建模问题转换为灰色权因子的搜索问题,建立了变权搜索模型进行故障数目预测;提出用实测和预测序列的均方误差和斜率距离构建搜索指标集,用欧式距离构建计算各指标权重的最优准则函数,对模型的灰色权因子进行全局最优搜索,权因子随故障发展过程实时变化;经实例仿真,预测与实测序列相对误差较小,验证了所提方法的可行性和有效性,对装备软件风险评估提供了有效的决策支持。     

高速公路交通量组合预测模型研究

交通量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果.为准确预测,提出一种最优线性组合预测模型并给出了以预测误差平方和最小为目标函数的权系数最优解计算方法,在采用ARIMA模型、BP神经网络和支持向量回归机的基础上,利用组合预测模型实现了高速公路月度交通量的预测.实验结果表明:与季节差分自回归滑动平均模型、BP神经网络和支持向量回归机等预测模型相比,组合预测模型各项评价指标均优于前三者,为实现交通量准确预测提供了更为科学的依据.     

基于情景可控的非负变权组合预测模型及应用

将情景规划分析与组合预测方法相结合,构建了基于情景可控的非负变权组合预测模型.该模型具有将单预测模型和情景分别加权集成的特征,能够进一步增强组合预测方法的环境适应性和可控性.以S市的经济增长状况为分析背景,规划出了4种备选情景;由1979～2010年的历史数据拟合4种单预测模型,并预测2011～2015年的经济状况;以此构建基于情景可控的非负变权组合预测模型,用以对S市的经济增长实际状况进行分析.     

基于MCC的自适应混沌序列预测算法仿真

针对基于LMS的自适应预测算法对具有时变特性的时间序列预测在鲁棒性等方面存在缺陷,而使用最大广义相关熵准则以衡量输入输出的相似度,它含有误差分布的高阶统计量,对数据处理具有一定的鲁棒性,提出了一种基于MCC的混沌时间序列自适应预测算法,考虑到LMS算法和MCC准则的优势,将输入序列和权值向量分成两组,分别用LMS和MCC进行迭代训练,得到组合的新自适应预测算法.仿真结果表明,组合自适应预测算法在预测精度和鲁棒性方面都要优于基于LMS或基于MCC的预测算法.     

基于模糊变权组合预测模型的航材预测

由于航材预测的发展,每一种航材的预测模型有很多种。不同模型的预测模型体现了预测对象不同方向的发展趋势,合理地处理信息可以更加全面地预测航材需求趋势。模糊变权组合预测模型不同于传统组合预测模型,它采用权重系数为三角模糊数来组合不同预测模型结果,并以单项预测方法预测精确度指数最小为准则,集成处理得到较窄的取值范围来帮助航材预测决策。最后以实例验证方式检验该模型的有效性和准确性,具有一定的实用性。     

基于两步分解法和SARIMA的非饱和机场能耗预测

针对非饱和机场能耗时间序列的非线性和非平稳性特点,提出一种基于两步分解法和季节差分自回归滑动平均模型相结合的组合预测法。利用自适应噪声完整集成经验模态分解法和样本熵,将原始能耗时间序列分解为从高频至低频且复杂度不同的分量。再利用变分模态分解法对高频复杂分量再次分解,得到一系列呈现弱非线性且相对平稳的子序列。采用季节差分自回归滑动平均(SARIMA)模型对各子序列进行建模预测,将各子序列预测结果叠加得机场能耗预测值。实验结果表明,该方法可以有效提高非饱和机场能耗的预测精度。     

基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.     

基于区间T-S 模糊模型的运动模式预测

针对一类复杂的生产过程,提出一种基于运动模式的预测模型.针对该方法中模式类别变量的度量问题,提出采用区间数对定义在模式运动"空间"上的模式类别变量进行度量.为了描述模式在模式运动"空间"的运动,对作者先前提出的区间T-S模糊模型进行了改进,并采用改进后的区间T-S模糊模型建立基于模式类别变量的预测模型.最后,以烧结生产过程实际运行数据为例验证了所提出建模方法的有效性.     

基于HsMM的系统在线故障预报

针对故障预报中系统剩余寿命难以精确估计的问题,提出基于隐半马尔可夫模型(HsMM)的系统在线故障预报方法.首先重新设计HsMM模型结构,利用模糊c均值聚类(FCM)方法化连续取值的系统输入输出变量为有限集合内取值,简化了建模计算过程.在实现对故障检测的同时,利用模型的状态驻留参数估计系统的剩余寿命,从而实现系统的故障预报.利用连续搅拌反应釜(CSTR)模型进行仿真验证,在输入输出数据含有噪声的情况下,较准确地估计,系统的剩余寿命,从向表明了方法的有效性.     

一种权重未知的多属性多阶段决策方法

针对属性权重与时间权重未知且属性值为区间数的一类决策问题,提出一种新的多属性多阶段决策方法.该方法首先无量纲化处理属性值,并运用灰色关联方法确定各阶段属性值的权重;然后综合考虑属性测度值与正、负理想效果值的接近性和时间权重本身的不确定性,运用极大熵原理建立多目标优化模型,并利用拉格朗日乘子法求解获得时间权重表达式,从而确定对象的综合评价值;最后通过实例验证了该方法的合理性与有效性.     

基于信息熵的专家聚类赋权方法

鉴于群组决策专家赋权方法研究中,现有赋权方法虽然考虑了专家给出的排序向量的一致性,但缺乏对排序向量信息相似性的度量,导致可能出现排序向量与群体共识相近,但信息不确定性较大的专家被赋予了与其他专家相同权重的问题.基于此,提出一种基于信息熵的专家聚类赋权方法,运用信息相似系数对排序向量进行聚类分析,根据聚类结果和排序向量的...     

多目标决策的激励策略可行解

针对多目标决策问题,提出一种新的基于一般变权原理的求解方法.利用一般变权原理提出激励策略可行解,证明其为多目标决策的均衡有效解,并给出求激励策略可行解的步骤.通过实际算例表明,所提出算法正确有效,且相对于线性加权和法、平方加权和法而言,具有较好的均衡性.     

供应商能力有约束的混合型多属性决策方法

研究了一种混合型多属性决策方法,用于多资源模型的供应商选择问题,并将供应商选择过程分为2个阶段.首先用熵系数模型确定评价指标的客观权重,利用逼近理想解排序法模型排定方案优劣次序;然后建立多目标规划模型确定采购数量在入选供应商之间的分配;最后给出了一个算例,算例结果表明该方法可行且有效.     

无线传感器网络中最大化网络寿命的数据聚合路由

针对数据聚合无线传感器网络寿命最大化问题,分析了网络流量和节点能耗,提出了数据聚合路由问题的网络流量模型,并将网络最大寿命与流量模型相结合设计了一组混合整数规划代价函数.采用对偶分解的方法,获得了近似最优的中继传输速率和路由.仿真实验表明,该算法能有效减少数据通信量,均衡各个节点的能量消耗,延长网络寿命.     

一种新的模糊时间序列模型的预测方法

针对目前在模糊时间序列模型中论域划分及数据模糊化方法存在的问题,首先提出了基于模糊聚类算法(FCM)的具有可调参数的模糊时间序列论域的非等分划分方法;然后,在数据模糊化时通过距离客观地定义了模糊集,并利用最小标准误差(RMSE)确定最优的预测结果和聚类数;最后,通过 Alabama 大学注册人数的预测表明了所提出算法的有效性.     

基于小波变换的城市市区典型路段交通流量预测

提出一种基于"先分-独立预测-再合"思想的新型交通流量预测模型.其应用小波变换技术,对交通流量数据进行分解和重构,将得到的低频概貌信号和高频细节信号,分别用3次平滑指数和ARIMA进行拟合,并应用逐步回归方法建立基于原始交通流量数据,以及高、低频拟合信号的回归方程.对某城市市区典型路段交通流量数据进行验证分析,结果表明,该方程具有较高的拟合精度,优于ARIMA单独使用的效果.