基于改进BP神经网络的变电站检修运维成本预测

变电站的检修运维成本受众多复杂因素影响,且检修费用数据记录具有模糊性和波动性.为解决检修费用记录不明的问题,首先对变电站检修条目划分并采用水平和垂直方向的数据分析方法进行处理,再利用BP神经网络预测检修运维成本.为提高BP神经网络预测精度,采用K-fold交叉验证对原始数据训练模型进行精准调整,应用遗传算法对BP神经网路的初始值和阀值进行调整和改进,从而建立基于遗传算法的改进BP神经网络检修运维成本预测方法.以某地市变电站为例进行变电检修运维成本预测,对比分析显示所提方法能有效提高模型预测精准度,从而为电网给变电站拨付检修费用提供参考价值.     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度; 接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值; 然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度; 最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。     

动态优化GM模型中分辨率系数的数据预测算法

为提高传统GM(1,1)算法的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变传统灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.算法的数值实验结果表明,优化算法的预测精度高于传统的GM(1,1)算法和文献[3]中的算法.     

基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度,运用卡尔曼滤波对原始沉降数据进行滤波去噪,并重新构建灰色GM(1,1)模型的背景值,建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例,进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较,结果表明,新模型不仅可以有效剔除监测数据中的随机噪声,而且提高了模型精度。     

基于改进灰色马尔可夫模型的实证分析——以上海入境旅客人数预测为例

通过级比检验和马氏检验分别测试上海入境旅客人数的原始数据,原始数据满足级比检验且具有马氏性,然后用传统GM(1,1)模型与初始值校正GM(1,1)模型分别来预测。结果表明,在相对误差、后验差比值与精度三方面对比,初始值校正GM(1,1)模型得到的效果更好。再将初始值校正GM(1,1)模型与加权马尔可夫模型组合成改进灰色马尔可夫模型,结果显示,预测结果的平均相对误差比初始值校正GM(1,1)模型要小,结果更精确。因此,使用改进灰色马尔可夫模型对上海2018—2020年的入境旅客人数预测,结果为:887.63万,900.42万和913.39万人次。     

GM(1,1)模型的改进及其在火灾致死人数预测中的应用

为了弥补传统GM(1,1)模型在波动数据序列预测中误差较大的缺陷,采用一阶差分方法对初始数据序列进行改进,构建了一阶差分GM(1,1)模型。分别应用传统GM(1,1)模型和一阶差分GM(1,1)模型对2009—2016年火灾致死人数进行预测分析。结果显示,一阶差分GM(1,1)模型的预测精度高于传统GM(1,1)模型。     

基于改进欧拉法GM(1,1)电力负荷预测模型研究

提出基于改进欧拉法GM(1,1)电力负荷预测模型,首先运用改进欧拉公式对白化方程进行修正,降低方程对预测结果的影响,然后运用改进欧拉法对灰色预测模型GM(1,1)进行修正.算例分析表明,与一般灰色预测GM(1,1)模型和傅里叶变换残差修正模型相比,该模型的预测精度有较大提高,证明了该模型的有效性和实用性.     

灰色模型GM(1,1)的平滑改进及其应用

灰色预测法能够对含有不确定因素的系统进行预测,而由于整个宏观系统就是一个灰色系统,因此可以考虑用灰色预测模型对宏观经济指标进行预测。在灰色模型GM(1,1)基础上,提出对原始数列进行平滑改进的方法,并用实例证明改进后的灰色模型预测结果比传统灰色模型预测结果误差更小,精度更高。     

基于自适应精英蚁群算法的GM（1,1）预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b两参数对模型的预测精度有直接影响。在分析GM建模原理和参数对模型精度影响的基础上,提出了一种信息素浓度自适应调整的精英ACO算法与GM（1,1）融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用了改进的ACO算法来求解模型的最优参数。试验结果表明：与传统的GM(1,1)模型相比,改进的ACO算法与GM（1,1）融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型具有优越性,是提升模型精度一种新思路。同时也说明了运用自适应精英策略改进蚁群算法提升算法全局寻优能力是合理的科学的。     

灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

基于改进新维无偏灰色马尔科夫模型宁夏能源消费预测

利用GM(1,1)模型和Markov模型用于时间序列预测时的互补优势分别建立传统的GM(1,1)模型和Markov模型,然后利用新信息优先的原则建立新维无偏灰色马尔科夫预测模型,并加以改进。以1998—2013年的宁夏能源消费总量为原始数据,对宁夏能源消费总量数据走势进行预测。利用MAPE指标进行精度检验。结果表明,改进后的新维无偏灰色马尔科夫预测模型误差小、精度高,适合中长期预测;宁夏能源消费总量仍呈递增状态。     

改进的灰色马尔可夫模型在股票分析中的应用

针对经典马尔可夫方法进行预测需要掌握大量数据和原始的灰色GM（1,1）的指数形特征的问题,采用带波动的多项式代替灰色GM（1,1）模型中的指数形曲线,改进了现有的灰色GM（1,1）马尔呵夫模型．利用改进后的灰色马尔可夫模型对股票价格、上证综合指数进行预测,并与经典的灰色GM（1,1）模型和原始的马尔可夫链模型和灰色GM（1,1）马尔可夫链模型3种方法的预测值进行了比较,得到的股票价格与上证指数的预测值精度优于其他3种方法．     

基于改进GM(1,1)模型的舰船纵摇运动预报

针对舰船运动的灰色特征,提出用改进的GM(1,1)模型对纵摇运动数据进行建模,改进的GM(1,1)模型是对服从非齐次指数增长规律的数据建模,克服了传统GM(1,1)模型指数规律的不足.首先给出改进GM(1,1)模型的微分方程形式及精确的离散化形式,考虑初值对模型的影响,建立优化灰色模型,提高了模拟精度.该模型为纵摇运动预报提供了一种新的方法.数值试验表明,这种方法较GM(1,1)模型效果好.     

基于改进GM(1,1)模型的天津市电力消费预测研究

基于灰色GM(1,1)预测模型,选取天津市2000—2012年每年的电力消费数据,建立改进的GM(1,1)模型对天津市电力消费水平进行中短期预测。研究表明:改进的GM(1,1)模型具有较高的预测精度,适合进行中短期预测;同时,十二五规划期间天津市电力消费水平依旧保持较高的增长速度,到2015年天津市电力消费量将达到1 087.31亿千瓦时,对此提出了天津市十二五期间电力发展的政策建议。     

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。     

灰色系统理论改进技术在城市生活需水预测中的应用

以灰色理论GM(1,1)模型为基础,通过灰色技术的改进来预测生活需水量,对所建模型进行误差检验,并比较了改进后的预测模型和未改进的预测模型在精度上的差别,证明了改进后的预测模型具有可行性和较高的精度,在此基础上对连云港市的生活需水量进行了预测.     

矿井涌水量灰色GM(1,2)预测模型

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。     

优化灰色GM(1,1)模型在黄河下游灾变预测中的应用

针对灰色GM(1,1)模型精度不稳定的问题,对GM(1,1)模型的建模机理进行探讨,根据指数函数和线性函数的特性,利用分析技巧,提出了2类优化模型,并将此优化模型应用于黄河下游堤防工程坍塌险情灾变预测中.结果表明,2类优化模型均比原始GM(1,1)模型有较高的模拟和预测精度,为灾变预测提供了新思路.     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.