基于小波变换的系统边际电价分析与预测

摘要：基于小波变换的系统边际电价(System Marginal Price,SMP)数据分析,根据系统边际电价的特点,建立用于系统边际电价预测的模型。利用小波变换时频局部化功能,将原电价时间序列分解成不同的尺度,对不同尺度上的子序列分别采用人工神经网络和AR模型进行预测,最后将不同尺度预测结果通过小波重构还原,得到系统边际电价预测结果。实例验证表明预测模型能有效提高预测精度,可用于系统边际电价预测。     

基于小波分析的信号滤波方法研究

论述了小波分析的基本原理,研究了应用小波变换进行信号滤波的方法,通过正交小波包对信号的分解,把频率成分复杂的信号分解到互不重叠的频带,根据需要删除某些频带的信号（噪声）,然后用小波包生包重构算法对信号进行重构,可实现对信号的滤波。给出了应用小波包变换对振动信号进行滤波的实全坷有效地滤除信号中的确定必噪声和随机噪声,可进取出淹没在信号中的非常微弱的特征信息,与传统的信号滤波方法相比具有明显优点。     

基于小波变换集成模型预测径流水位的研究

为获得更精确的径流-水位预报结果,利用Dmey小波变换将水位时间序列分解为高频信号和低频信号,再使用均生函数-最优子集回归对其进行预测,最后利用Dmey小波逆变进行重构,以此建立水位预测模型.通过对柳江历年水位进行实例分析,并与均生函数最优子集回归模型、逐步回归模型对比.研究结果表明,该模型能充分反映水位时间序列趋势,预报稳定性好,预报准确率高,为径流-水位时间序列预测提供一个有效建模方法.     

基于小波分析的节点余氯变化特征研究

对目前在动态数据处理中应用广泛的小波分析方法的原理进行了介绍,利用小波分析中的Daubechies小波对某城市管网节点余氯3 d连续监测时间序列进行了分析,通过db3小波函数对研究对象的5层分解,将原时间序列重构为不同时间尺度下的高频序列和低频序列的组合,研究结果表明,管网节点余氯日变化具有明显的两时段变化特性,小波分析可以很好地反应余氯时间序列的变化特征,为研究余氯的阶段性变化及时间序列的中长期预测提供了一种新的研究途径.同时小波分析在去除噪声、间断点及异常值的确定等方面也具有良好的应用效果.     

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

小波变换在语音识别中的应用研究

将小波变换用于语音信号的消噪、信号压缩,利用小波变换对压缩的信号进行重构是小波变换的一些典型应用,从中可以看出小波变换在分析信号跳变时的优势,并为小波分析用于语音信号的进一步处理打下基础。     

小波消噪随机耦合模型在作物生育期月降雨量预测中应用

利用小波消噪技术对降雨量序列进行消噪处理,然后采用小波变换A Trous算法对小波变换序列进行分解和互相关分析,建立各小波变换序列相应的数学模型,最后采用小波重构算法得到小波消噪随机耦合模型.然后根据查哈阳农场1956～2008年作物生育期月降雨量数据资料,建立了小波消噪随机耦合模型,对模型进行拟合预测检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究.首先应用小波包变换对系统的特征参数序列进行3层分解,得到第3层从低频到高频8个频率成分的时序;然后,对8个时序作进一步分析,以确认它们都存在混沌特性,再应用混沌理论分别建立8个时序的预测模型,分别对8个时序进行预测;最后,基于小波包理论将混沌模型预测的结果予以小波包重构,实现对系统特征参数序列的预测.实例研究表明,该方法具有较高预测精度,可有效地应用于复杂系统的状态预测和故障趋势预测分析中.     

基于小波和神经网络模型的邮电业务总量预测

引入极大重叠离散小波变换的概念,利用极大重叠离散小波变换的多分辨分析特性,对邮电业务总量序列进行分解.然后对分离得到的光滑项和细节项两部分利用小波神经网络模型进行建模和预测,最后再重构得到邮电业务总量序列的预测值.数据测试结果表明:本文方法可实现多步预测,且对邮电业务总量的预测精度比单纯的用小波神经网络模型或BP神经网络模型高.     

小波分析在短期销售预测中的应用

由于影响销售的因素很多，销售的变化显示出越来越多的不确定性，使得一般的预测方法难以奏效。该文提出一种基于小波分析的短期销售预测方法。通过小波分解，将原时间序列依尺度分解成不同层次，对各层分别进行建模预测，最后合成得到原时间序列的预测值。实例验证该方法是可行的。     

图像压缩中Shannon正交小波变换的快速算法

分析了Shannon正交小波的频谱特性和信号变换的特点,借助快速傅里叶变换实现Shannon正交小波变换和逆变换。实验结果说明Shannon正交小波在联系小波变换和傅里叶变换方面具有特别重要的意义,有利于小波变换在信号的实时处理中的应用。     

基于多尺度小波分解和时间序列法的风电场风速预测

针对目前风电场风速预测精度较低的问题,提出一种基于多尺度小波分解和时间序列法的混合风速预测模型,通过小波分解将风速非平稳时间序列分解为不同尺度坐标上的平稳时间序列,然后把分解后的各层序列重构回原尺度,再应用自回归滑动平均模型对平稳时间序列进行预测,最后通过叠加合成得出原始风速序列的预测值。同时在验证时间序列模型有效性与模型选优过程中,采用基于贝叶斯理论的SBC定阶准则,改善了以往模型定阶准则的收敛特性。在算例分析中分别利用本文方法和常规预测法对实际风速分布特性进行预测分析,结果表明,本文方法对不平稳风速序列的预测具有更高的预测精度和更强的适应性。     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时、频两域都具有表征信号局部特征的能力 ,突破了传统 Fourier分析的局限性 ,很适合检测信号的奇异现象。用 Daubechies小波分别对信号本身的奇异性、噪声的奇异性进行分析 ,结果表明 ,二者具有较大的不同。因而 ,将小波用于信号消噪具有重要的参考价值。     

长江上游日径流变化的多时间尺度分析

以宜昌站120年(1882—2001年)实测日流量资料为基础,利用Morlet小波变换对其汛期日最大流量过程进行多时间尺度变化特性分析.研究结果表明,宜昌站汛期日最大流量存在着18 d左右尺度的主要周期变化,体现了大时间尺度中包含小时间尺度的层次性,对三峡水库的洪水预报、调度和水资源的合理调配有指导作用.     

基于小波变换的电能质量扰动检测与定位

文中针对小波变换模极大值检测原理及其在电压暂降、骤升扰动信号检测中的应用进行了详细研究。介绍了小波变换理论,提出了采用小波多分辨率信号分解的电能质量暂态干扰检测新方法,通过检测小波变换模极大值,实现了对电压暂降扰动发生、恢复时间的精确定位。仿真计算结果表明该检测方法是有效的。     

基于小波理论的期铜价格周期波动研究

本文以目前市场运行良好的LME期铜价格作为研究对象,运用小波分析模型,绘制期铜价格小波变换幅值图和小波变换等值线图,发现期铜价格具有长周期波动和短周期波动两种波动过程,周期长度和周期强度均具有非对称性。利用这种周期波动特征进行长周期预测证明,预测结论与实际变化十分吻合,小波分析理论在期铜价格运行规律研究中的应用具有较好的实用性和发展前景。     

小波变换在振动故障信号仿真研究中的应用

为进一步研究生产实践中机械设备不必要的振动问题,结合小波分析理论的特点和应用现状．分析了小波变换的时频局部性及处理突变信号的能力;通过LabVIEW软件仿真振动信号,并在MATLAB平台利用小波包研究小波变换理论应用于振动信号奇异点分析的方法．得出了仿真结果．实现了快速判断奇异点特征与振动产生时间。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换。多尺度小波变换是将信号分解成高频和低频成分，低频包含信号的主要性能，高频含较多噪声，将高频平滑后再重建即可消噪。消噪处理大致有强制、阈值两种方法。现场试验表明：此方法高效、实用。