径流中长期预报的灰色系统方法研究

探讨径流中长期预报的灰色系统方法，提出了全因果序列扩维的灰关联模式识别与预测方法，灰参数线性模型的预测方法以及ＧＭＲ（１，１）模型，分别用于年月径流预测和灾变预测，通过海河流域潘家口水库资料验证，表明计算方法是可行的。     

径流中长期预报加权关联度模式识别

提出一种计算加权关联度的新公式；提出确定影响径流中长期预报前期因子要权重的方法与原则；提出利用加权关联度进行径流中长期预报加权关联度模式识别的方法，实例计算说明是有效的。     

中长期径流预报的时间尺度

为研究时间尺度在中长期水文预报中的影响,选取在实际运用中较成熟的预报模型——最近邻抽样回归模型对不同时间尺度的径流序列进行建模预报.通过对三峡水库1980-2012年的逐日平均入库流量,高场、汉口、大通3个水文站1980-2012年的逐日平均流量,进行时间聚集,分别得到对应的3d、周、旬、月、季、年的平均径流量.用所建模型对以上4个站点的6个不同时间尺度的径流量进行模拟预测,结果显示随着时间尺度的增加,模拟预测结果的相对误差并非单调递增或者递减,而是先变小,后变大.研究中长期水文预报中时间尺度给预报结果带来的影响,可为水文预报精度的提高开辟新思路.     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。     

丹江口水库径流长期预报研究

应用时间序列分析方法，建立了丹江口水库径流序列的长期预报分解模型；采用多各方法邓序列特性（如平稳、趋势、周期等）进行了检验，深入讨论了序理财生和外推性。计算成果表明所提模型是合理的。     

径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

基于ANFIS模型的年径流预报方法

分析以往年径流预报方法的特点,阐述自适应神经模糊推理系统(adaptive network-based fuzzyinference system,ANFIS),提出年径流预报的ANFIS模型,并将其应用到西北地区某水文站年径流预报中.以MATLAB为工具,依据该地区历年水文资料,对年径流量进行预报.实例结果表明,与改进的ANN模型(最速下降—共轭梯度法、进化单纯形法)相比,本方法计算速度快、泛化能力强、预报精度高,说明ANFIS在年径流预报方面具有良好的适用性.     

丹江口水库径流长期预报研究

应用时间序列分析方法，建立了丹江口水库径流序列的长期预报分解模型；采用多种方法对序列特性（如平稳、趋势、周期等）进行了检验，深入讨论了序列周期的稳定性和外推性。计算成果表明所提模型是合理的．     

长短期记忆网络在中长期径流预报中的应用

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题.以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以...     

灰色模型在中长期电力负荷预测中的应用

利用灰色预测法对某市近几年的实际历史负荷数据进行建模,结合回归分析法预测出近几年的负荷值,通过与过去原始历史数据进行对比,从平均相对误差的大小和后验差值检验方面说明灰色理论模型在中长期电力负荷预测中的优越性.     

LSTM-RF的中长期风电功率组合预测方法

风电功率的准确预测是减少风电并网对电网造成冲击的有效手段之一。利用深度学习算法中的长短期记忆网络(LSTM)对中期风电功率出力进行了预测,综合考虑功率数据、气象数据等多维特征,采用LSTM算法和随机森林(RF)算法搭建预测模型,预测风电场1～7日的风电功率出力。基于某风电场2014年1月到2016年12月的实际发电数据,通过实验对比BP神经网络、支持向量机(SVM)和自回归积分滑动平均模型(ARIMA)等算法可知,提出的预测方法在较为突变的天气状况下仍能保持较高的预测精度,能为风电并网和电网调度提供辅助支撑。     

灰色理论在中长期电力负荷预测中的应用研究

提出了基于灰色预测理论的电力系统中长期负荷预测的实用新方法，对于中长期电力负荷预测这样复杂问题，其简捷实用，预测精度高，经实际算例核证明该方法可以做为中长期电力负荷预测的理想工具之一。     

电力系统短期负荷预测系统的实现

考虑近期我国电力市场需求,开发了电力系统短期负荷预测软件系统.该系统分为原始数据维护、负荷预测和预测结果处理3个相互独立模块.在数据库设计中,采取定期转储的办法控制数据量.系统提供了丰富的模型库,各模型可单独预测,也可选择几种模型进行综合预测.河南省某县级电力系统的负荷预测结果表明,该系统能够取得满意的预测效果.     

基于改进灰色模型的电力负荷中长期预测

基于电力系统中长期负荷预测的特点,针对常规灰色预测模型存在的不足,提出一种基于数据平滑处理,以及线性回归残差修正的改进灰色预测方法。对某地区算例比较和分析表明,本方法可明显提高中长期负荷预测精度。     

灰色马尔柯夫预测模型

概要地介绍了灰色系统理论的研究对象，引入了ＧＭ（１，１）灰色预测模型，并将灰色预测与马尔柯夫预测方法相结合建立了一种对ＧＭ（１，１）模型进行了预测物新方法，克服两种预测法的不足，提高了预测精度。最后用一例子说明灰色马尔柯夫预测方法的应用。     

基于灰色模型的滑坡变形预测

详细讨论了灰色模型GM（1,1）与基于权的一阶一元灰色预测模型pGM（1,1）的基本内容及建模过程,并成功地将两模型应用于三峡库区某滑坡水平位移监测的预测预报,相应地用MATLAB编写了灰色系统预测程序,便于实际应用,实践证明,灰色预测模型在滑坡预测预报中具有较高的应用价值．     

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。     

基于灰色预测及多目标规划模型的水资源预测及优化配置

为探讨城市水资源预测和优化配置的方法,以北京市为例,采用灰色GM（1,1）预测和多目标规划模型方法进行数学建模,以研究北京市在实现经济效益、社会效益、生态效益和环境效益最大化前提下的水资源的优化配置方案。预测结果显示,北京市2015年的水资源总量为21．4523亿m^3,再生水量为11．96亿m^3,总需水量为39．74亿m^3,仍将存在6．33亿m^3缺口,将依赖于境外调水,与北京市水资源“十二五”规划十分接近。多目标规划模型结果显示,北京市可通过增加水资源的循环利用,减少农业用水、生活用水和环境用水量,维持现有工业用水量,实现可供水量与总需水量的基本平衡,并实现城市经济效益、社会效益、生态效益、环境效益的最大化。灰色GM（1,1）预测和多目标规划模型可较好地预测城市未来供、需水状况,并进行水资源的优化配置,可用于区域水资源预测和综合规划。     

灰色系统最优归类模型在岩爆预测中的应用

根据与岩爆有关的地质条件建立了岩爆烈度分级表 .在灰色关联分析和模糊模式识别原理的基础上 ,应用最小二乘法构造目标函数、建立岩爆预测数学模型 ,提出了动态权重计算方法和综合评判指数的概念 ,并通过工程实例说明该方法的预测结果比用有限元法计算所得的结果更为科学准确