基于联立方程的需求预测计量经济模型

国民经济对用电量决定性影响，在此基础上，结合宏观经济计量模型，建立了联立方程计量经济模型预测电力需求，结合考虑宏观经济各经济指标对用电终端部门电力需求的影响。详细介绍了模型的原理，并以一个实际算例，预测2000-2006年各终端用电部门的用电量，为电力需求预测提供新方法，新思路。     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

组合灰色神经网络模型及其季节性负荷预测

对于季节性时间序列具有增长性和波动性的二重趋势性,提出了季节性预测的组合灰色神经网络模型,研究了同时考虑两种（非线性）趋势的复杂季节性预测问题,给出了一个应用实例,为季节性预测提供了一种新的、有效的方法。     

负荷预测的灰色系统方法

完善灰色预测模型ＧＭ（１，１）的建模机理，使其具有广泛的应用性，否定了灰色预测的传统检验方法后验差检验方法，同时利用数理统计常用的方法对模型进行了比较深入的研究，实例表明改进的ＧＭ（１，１）模型具有较高的拟合精度和预测精度。     

一类计量经济模型的微分几何方法

研究了一类计量经济模型。首先，利用Ｓｅｖｅｒｉｎｉ和Ｗｏｎｇ（１９９２）提出的广义子集参数似然建立了类似于Ｗｅｉ（１９９１）的几何结构，然后，研究了参数估计同统计曲率有关的一些渐近性质。本文的结果进一步推广和发展了Ｗｅｉ（１９９１）等的工作。     

城镇劳动就业需求预测计量经济模型

应用经济计量学原理和劳动经济理论,建立起多个方程的联立模型来描述城镇劳动就业需求,估计模型参数,检验有关假设,使经济关系数量化．这样不仅能够对经济规律的质的规定性进行分析,而且可以从量的规定性和质与量的结合上来把握经济规律,从而为城镇劳动力供需分析、就业结构调整和制定扩大就业的对策提供参考依据     

基于计量经济模型的城市更新与现代服务业发展关系研究

采用数理模型及计量模型分析城市更新与现代服务业发展的关系,以上海相关数据进行实证检验.研究表明:城市更新是现代服务业发展的格兰杰原因,城市更新总体上对上海现代服务业的发展有积极的推动作用,但对行业的影响有较大的差异.     

基于神经网络的一种组合预测的构建与应用

以长春一汽集团的汽车生产总量为研究对象,分别构建了回归分析、灰色预测和神经网络三个预测模型,并在此基础之上,借助神经网络对三个模型进行了组合,构造了一种新的组合预测模型.通过对几种模型的分析比较,得出这种组合预测具有很高的预测精度.而且,预测表明组合模型比单一模型的预测更加稳健.     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

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.     

基于SOM-RBF神经网络的用电量预测模型研究

随着我国电网建设的高速发展,从日常电力负荷变化趋势剖析未来年度用电量已经成为电网建设的关键问题之一。根据1997~2016年湖北省年用电量及其10个影响因子的数据作为样本,提出了一种自组织特征映射神经网络(Self-organizing Feature Maps,SOM)与多变量的径向基函数(Radial Basis Function,RBF)结合的人工神经网络预测模型新方法。采用先聚类、再分类预测的方法,解决了由于RBF神经网络对于少量样本和训练样本点分散所导致的预测精度降低的问题,改进的神经网络泛化能力有所提高。结果表明:通过SOM-RBF组合算法进行预测,其相对误差维持在3%以下,平均相对误差为1.88%,预测效果较BP神经网络和RBF神经网络有较大的提升。这表明SOM-RBF组合算法可有效的用于用电量预测,具有较高的实用价值。     

负荷预测的交叉式自适应优选组合预测模型

提出了一种适用于用电负荷预测的交叉式自适应优选组合预测模型。该模型充分考虑了用电负荷指标的特性和规律,针对用电负荷指标众多、变化各异的情况,建立预测模型库;根据标准离差,优选组合出最优模型。通过在京津唐电网的实用表明,模型具有较强的自适应性和较高的预测精度。     

灰色预测模型在电力负荷预测中的应用

方法的选择对电力负荷预测结果至关重要,本文通过对x（1）（1）增加干扰因素β,实现对初始值的优化,较已有研究文献使用x（1）（n）＋β方法更加便于理解,保持运算前后一致,同时,改进背景值的设置。通过实例验证,此方法可以在负荷预测上得到很好的应用,提高预测精度。     

多变量灰色数列预测模型在非典研究中的应用

在传染病传播过程中,对病人数的预测一直是一个重要课题.研究了利用灰度模型中的灰度理论建立起GM(1,3)模型,并采用GM(1,1)模型修正残差,得到确认病人数的预测模型,再采用人工神经网络对所得数据进行校正,进一步提高了预测精度.将MATLAB编程计算得到的预测结果,与真实数据比较,可以知道该预测模型比传统预测模型具有更高的精度.     

基于合作对策的非等距灰色组合预测模型

对于非等间距的原始数据序列,根据灰色预测模型的建模特点,提出了一类非等间距灰色组合预测方法,利用合作对策方法确定组合预测模型权系数.弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

火电机组基建费用的灰色预测与优化决策研究

针对火电机组基建费用的非线性问题,应用灰色预测技术,提出了一种费用预测与优化决策的新方法。以工期为变量,得出直接费用ＧＭ（ｌ,ｌ）模型与间接费用的ＧＭ（ｌ,ｌ）模型。利用直接费用、间接费用与总费用的关系,预测出总费用最低时对应的工期,从而给出了工期一费用的最优决策。     

基于Shapley值的中国电力需求组合预测模型

针对中国1997~2013年的电力消费量,采用3次指数平滑模型和ARIMA模型分别进行了建模与拟合分析,通过合作对策理论中的Shapley值法求解了两模型所占权重,从而构建了所需组合模型,并用该组合模型预测了2015年和2016年的中国电力需求量.实例结果表明,组合模型有着更高的拟合精度,拟合相对误差平均值仅为1.52%.     

城市电力需求灰色预测模型研究

采用灰色系统理论预测城市用电量,通过1999~2006年的数据来对模型进行验证,结果表明,模型的检验值P>0.95、C<0.35,这说明模型的预测精度为"优"。同时,对南京市2009~2015年全社会用电量进行预测,结果表明,今后几年南京市的用电量增加很快,这就要求加快电力建设,来满足今后几年经济发展对电力的需求。