客户分析中的数据挖掘算法比较研究

对回归预测、决策树、神经网络、聚类和邻点预测、规则导引等5种数据挖掘预测算法分别进行介绍,并结合实例对各种方法适用情况进行了比较,以便有针对性地对客户行为采用有效的预测方法.其中:回归预测根据历史记录分析得出总体趋势;决策树方法是一种“二分制”数据分析和预测方法,主要用于对数据进行归类分割和预测,来解决定性分析的问题;神经网络方法主要对客户行为进行分析和预测,从定量的角度进行分析.     

集对分析相似预测在用水量预测中的应用

准确预测用水量可为水资源管理和规划提供科学依据。将基于集对分析的相似预测模型应用于用水量预测中,并对山东省2010—2014年的用水量进行了预测;将预测结果与GM(1,1)预测方法、BP神经网络预测方法以及集对分析聚类预测方法的预测结果进行了对比。结果表明:基于集对分析的相似预测方法的相对误差较小,预测精度较高,在用水量预测中具有一定的应用价值。     

季节性时序模型X-11方法及其应用研究

本文对X-11方法作了分析，利用这些分析结果，可以对其他的季节性时间序列进行分析预测。对用X-11进行预测的方法进行了分析，并提出了补充两端数据进行预测的方法，通过实例说明，这种预测方法精度较高。     

能源消费发展及预测方法综述

针对能源规划、发展对能源需求预测依赖度的增加和能源需求预测难度上升的问题,对各种能源预测方法与能源发展方向进行了探讨。从近年来全球能源需求发展的方向入手分析当前能源发展格局对能源预测方法的需求现状;对现有的主要能源预测方法进行归纳、对比,总结现有研究方法的利弊和适用场合;结合能源发展的新方向,对未来的能源预测发展方向进行探讨与展望,并应用LEAP模型对非洲地区进行能源需求预测分析,分析区域互补效应以及“电能替代”对能源需求发展的作用。     

最大Lyapunov指数实现局域网流量的预测

由于网络中存在复杂的非线性动力学特性,基于混沌理论,采用最大Lyapunov指数对局域网络流量序列进行预测分析,能够实现较早地预测出网络流量的突变特性.首先,采用相空间重构理论,并结合C-C算法将实际测试的流量时间序列投影到重构的相空间中.然后,计算其最大Lyapunov指数并对最大可预测时间进行了分析,同时对预测算法进行了研究.最后,对实际测试的局域网流量序列分别采用点预测和区间预测方法进行了分析.仿真结果显示,采用点预测方法对流量突变可以进行有效预测,突变越剧烈预测越准确;而采用区间预测可以有效预测流量的变化趋势,但不适用于广域网环境.进一步表明此方法能有效地利用所有数据信息进行预测,预测效果准确、可靠,可广泛的用于网络拥塞和网络攻击中.     

灰色理论用于遥测数据中长期预测

针对卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持.     

灰色理论用于遥测数据中长期预测

针对目前卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持     

基于混沌算子网络模型的网络流量预测研究

采用混沌算子构造预测网络,对网络流量数据进行预测分析.结合相空间重构理论将已知数据构造成训练样本,利用遗传算法对混沌算子参数进行训练调节,从而改变网络的动力学特性,使之逐渐逼近被预测时间序列的动力学特性,并保持与之变化一致.该方法可对各种网络流量数据序列进行有效的预测分析.仿真实验结果表明:与传统的预测方法相比,该方法具有更好的预测趋势.     

不同方法构建建筑能耗模型比较

为了能够准确预测建筑能耗,以人工神经网络中的前馈神经网络和物理原理建立的建筑模型作为能耗方案进行预测分析,并建立了从外部和内部获得热量的系统方程.以办公楼为例,对比两模型对能耗预测结果的准确性,并且输入实际参数值,将计算结果与实际值进行对比分析.采用EnergyPlus进行了参数分析,以评估不同参数对预测结果的影响.结果表明,两种模型均适用于能耗预测,内部负荷对能耗预测的影响更为显著.     

冲击地压危险等级预测的PSO-SVM模型

为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:PSO-SVM方法的预测精度要高于BP-NN和SVM方法的预测精度,可见,PSO-SVM预测方法对煤矿冲击地压危险程度预测具有一定的参考价值和指导意义.     

烧结混料机简体的裂纹扩展速度与寿命预测

应用有限元方法对烧结混料机的关键部件筒体的应力、变形进行了分析研究,得到了筒体的应力云图和变形云图;对筒体的裂纹扩展规律及影响裂纹扩展的因素进行了分析,将有限元分析的结果与断裂力学的相关理论结合起来,对烧结混料机简体进行了裂纹扩展速度预测和剩余寿命预测;分析了裂纹预测曲线与实测值曲线之间的相对误差,验证了预测方法的有效性。     

汽车车外噪声分析预测的声场空间变换方法

以某载货汽车为研究对象,利用近场声全息和声场空间变换方法对其车外噪声进行了分析预测。建立了近场声全息测量系统,开发了声场空间变换分析软件,对被试汽车进行了车外噪声源的测试与分析。对汽车远场噪声特性和车外最大加速噪声进行了分析、预测,通过试验验证了远场噪声预测结果的有效性。并对用声场空间变换方法预测汽车加速行驶车外最大加速噪声产生误差的原因进行了分析。结果表明,在获得近场全息面上噪声测量数据的基础上,利用声场空间变换方法可对远场任意重建面的声场分布特性进行预测,并对形成该平面声场的主要噪声源进行识别,还可以对汽车加速行驶时的车外最大加速噪声进行近似预测。     

烧结混料机筒体的裂纹扩展速度与寿命预测

应用有限元方法对烧结混料机的关键部件筒体的应力、变形进行了分析研究,得到了筒体的应力云图和变形云图;对筒体的裂纹扩展规律及影响裂纹扩展的因素进行了分析,将有限元分析的结果与断裂力学的相关理论结合起来,对烧结混料机筒体进行了裂纹扩展速度预测和剩余寿命预测;分析了裂纹预测曲线与实测值曲线之间的相对误差,验证了预测方法的有效性.     

集对分析法在长江寸滩站年径流预测中的应用

简要介绍了集对分析的原理,阐述了基于集对分析的年径流预测的基本思想和步骤.通过长江寸滩站年径流集对预测实例分析并与模糊优选预测结果进行了对比.研究表明集对分析法具有计算简单、关系结构清晰、预测精度较高的特点,可应用于年径流预测.     

基于时空特性和灰色神经网络的短时交通流预测

为了提高城市道路短时交通流的预测精度,提出一种基于时空变化特性和灰色神经网络的短时交通流预测模型。通过对道路短时交通流时间和空间特性的分析,将预测路段与相邻路段进行灰色关联度分析,深度挖掘道路交通流的空间信息,并利用灰色神经网络组合模型对预测路段进行短时交通流预测。以合肥市的道路实测数据进行实例分析,结果表明,相比单一时间序列预测模型,该方法有效提高了道路短时交通流的预测精度。     

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.     

基于灰色理论和BP神经网络串联组合的能源需求预测

本文对某省能源现状进行了分析,进而提出了能源需求预测的必要性,在利用统计数据分析某省能源消耗趋势后,利用灰色GH（1,1）模型进行预测,然后把预测结果和影响因素同时作为BP神经网络的输入进行预测,结果表明,基于GH—BP串联组合模型的预测精度要高于单纯地GH（1,1）预测。最后分析了某省新能源的发展优势。     

带预测的价格在线库存问题的竞争分析

对在线模型进行扩展,允许决策者提供预测并从中受益,即使预测失败,决策者也能控制风险,使得在线算法的性能相对于最优离线算法不会太差。研究分析了两种典型预测,第一种下方预测,即价格将会下降到某水平,第二种上方预测,即价格绝对不会下降到某水平。针对不同的预测设计不同的算法,并通过竞争分析的方法得到相应的竞争比。还考虑了在整个购买过程中允许进行多次预测情形,并进行敏感性分析。     

产值单耗法在负荷预测中的应用

用产值单耗法预测渑池县2010年用电量,利用年均递增率法、电力弹性系数法、自然增长加大工业负荷法等3种预测方法对产值单耗法预测结果进行了校验.在适用条件、计算难度和适用期限等方面对这几种预测方法进行了分析、比较,重点对产值单耗法的适用范围、优缺点进行了分析评价,提出了一些有益结论,为县级供电企业短中期负荷预测提供了参考.     

风电功率超短期多步预测误差评估及分析

超短期风电功率预测误差分析有助于改进预测精度,进而降低风电不确定性对电力系统带来的不利影响.以LSTM模型为例,对超短期多步预测的误差特性进行分析.首先,对超短期风电功率预测误差进行静态特性分析,研究了预测误差随预测步长的动态变化特性;然后,提出了数值天气预报在超短期风电功率预测中的误差占比定量评估模型;最后,提出了一种综合考虑形状和时间损失的神经网络损失函数,降低由于输入信息不足引起的时滞和幅值误差.结合吉林省20个风电场的实测数据,对风电功率多步预测误差特性进行全面分析,为风电功率多步预测模型的评估、修正提供了参考.