中长期电网负荷组合预测研究

中长期负荷预测是地区电网系统负荷预测的重要组成部分,对于电网运营成本的节约,电能质量的提高,系统安全稳定运行的保障等具有重要意义.文中采用基于IOWA算子的组合预测模型来研究地区电网中长期负荷预测模型和预测方法,该组合预测模型将RBF神经网络和灰色系统有机结合,既充分发挥单一预测模型的优点,又避免了单一预测模型所存在的...     

航空货运量的优化组合预测模型

以1997年～2007年我国航空货运量的统计数据为基础,采用灰色GM（1,1）模型和回归分析模型进行组合优化,建立了基于诱导有序几何加权平均（IOWGA）算子的航空货运量组合预测模型,并对组合预测模型进行检验。检验结果表明,组合预测模型是有效、可靠的,且具有较高的预测精度,可应用于实际预测。最后利用所建立的预测模型预测了2009年～2012年我国航空货运量。     

基于二次EEMD的工业电能需量多步预测

电力大用户最大需量控制是降低电网峰值负荷、节约用户电费成本的重要技术手段.面向强波动性和冲击性工业电能需量控制,研究了超短期需量负荷的多步预测问题.基于集成经验模态分解(EE-MD)方法,通过二次分解有效分离时间序列中不同频率的信号,采用长短期记忆网络(LSTM)对各信号子序列进行独立预测,最后组合预测结果.实验结果表明,本方法能很好的预测工业需量负荷变化,M A PE/MAE/NRMSE精度指标基本控制在2％ 以内,明显优于多种现行主流时序预测模型和最新文献方法,且消除了多步预测的传递误差,预测模型精度和稳定性满足需量控制要求.     

基于灰色BP网络的城市建设用地预测模型

城市建设用地的准确预测是城市合理规划,持续发展的重要保证,建立一种灰色BP网络预测模型,把灰色预测与BP神经网络组合起来,通过历史数据预测城市建设用地量,该模型既考虑了城市建设用地的时序特性,又考虑了它的非线性特性。通过具体的实例研究,对比了单独灰色预测模型与组合预测模型的预测结果,结果显示组合预测的结果与实际有较高的拟合度。     

基于最优加权组合模型的道路交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。针对各种单一灰色预测模型存在的局限性,建立了一种基于最优加权的灰色组合预测模型。根据我国道路交通事故的发展情况,建立了GM（1,1）、Verhulst和SCGM（1,1）c相结合的组合预测模型,运用最优加权法确定组合预测模型的权重系数。利用2001-2007年我国道路交通事故死亡人数的实际值作为原始数据,构建各个单一预测模型和最优组合预测模型,预测其2008-2010年交通事故死亡人数。预测结果表明,组合预测模型比单一GM（1,1）模型、Verhulst模型和SCGM（1,1）c模型具有更高的预测精度。     

组合预测模型在电力系统负荷预测中的应用研究

本文基于灰色预测模型、滑动平均模型和指数平滑模型这三种单一预测模型,采用方差-协方差策略,建立组合预测模型。然后结合老挝电力系统的概况,对老挝的全国年用电量进行预测和分析。结果表明,组合预测模型的预测精度明显高于各单一预测模型,即组合预测模型的相对误差小于各单一预测模型的相对误差,说明组合预测模型具有相当的适用性和优越性。     

基于融合百度指数的电商订单量组合预测研究

当前电商用户订单日志不断爆发式增加,日志行为数据亟需应用,在线用户订单量的快速动态预测成为研究的关键方向。为了提高订单量的预测精度,结合BP神经网络、基于Adaboost的BP神经网络和支持向量机的预测优点,提出一种基于融合网络搜索指数的组合预测模型,构建融合百度指数和电商用户订单信息的指标体系,并通过对比实验证明了网络搜索指数作为电商订单量组合预测模型影响因素的有效性。     

图书出版量的优化组合预测模型及其应用

以全国图书出版量的历史数据为基础,采用灰色GM（1,1）模型和三次指数平滑模型进行组合优化,建立了基于IOWGA（诱导有序几何加权平均）算子的图书出版量组合预测模型,并对组合预测模型进行了检验。检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测。并利用所建预测模型对2006~2009年的图书出版量进行了预测。     

基于气象数据可视化降维和多模加权组合的短期负荷预测

针对短期负荷预测中数据预处理的必要性和单一预测模型的局限性,提出了一种基于气象数据可视化降维和多模加权组合的短期负荷预测方法。该方法将可视化降维、模态分解降噪、单一预测模型和权重确定理论相结合,构建了气象数据降维、历史负荷分解、模态分量降噪和多模加权组合的短期负荷预测模型。通过设置3种对比实验环境,对某地区供电公司所提供的电力负荷和气象数据进行分析。预测结果及误差分析表明,所提短期负荷预测方法在保留高维气象因素本质特征结构的同时,能有效结合数据预处理方法及单一预测模型的特点,有效提升该地区电网负荷的预测精度。     

改进IOWHA算子组合预测模型

针对现有单项预测模型提供信息有限,预测误差大的问题,引用最优加权组合建模理论,将灰色关联度与IOWHA算子相结合,提出一种新的组合预测模型权重确定方法,并应用该权重确定方法构建了一种基于RBF神经网络预测模型和GM预测模型的最优组合预测模型。该模型能够克服传统组合预测方法的两个缺陷：加权平均系数不变和以单一误差指标为准则。利用该组合模型对全国物流需求进行组合预测,并与RBF神经网络模型、GM模型的预测结果进行了对比分析。结果表明,相对于单项预测模型,该组合预测模型的预测精度更高,是一种有效的物流需求预测模型。     

基于改进变权重组合预测模型的产品销售预测

通过分析汽车产品销售时序的特性引入组合预测理论,提出了一种改进的变权重组合预测模型并给出了变权重系数的求取方法。然后针对小样本、多维、多峰、非线性的销售时序特点,采用了基于支持向量机的三种单项预测方法。再通过实例分析显示基于改进变权重组合预测模型的预测精度高于单项预测模型和普通变权重组合预测模型。最后进行了汽车销售时序预测表明基于改进变权重组合预测模型的产品销售预测方法是有效和可行的。     

软件可靠性预测的增强贝叶斯组合模型

针对当前可靠性预测模型的预测精度问题,提出一种增强贝叶斯组合的短期软件可靠性预测模型。该模型以基于小波分解的单个可靠性预测模型作为基本预测模型, 根据当前相邻几个失效时间间隔的预测精度,更新组合模型中各个基本预测模型的权重,解决了贝叶斯组合模型权重计算采用全部历史数据而导致某个基本预测模型权值占主导地位的缺陷,提高了贝叶斯组合模型对软件可靠性的预测精度。实验结果表明,增强贝叶斯组合预测模型的预测精度不仅优于单一的预测方法,而且也优于传统的软件组合预测模型,能显著提高软件可靠性预测的精度和模型对数据的适应性。     

面向SaaS运营的主成分分析组合预测模型

为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验结果表明,基于主成分分析的组合预测模型的预测精度高于各单一预测模型,发挥了各单一预测模型的优势,是面向SaaS运营预测的一种有效方法。     

基于变权重组合的电气设备温度预测模型

针对电气设备温度预测问题,提出一种变权重组合预测模型。首先,建立反馈神经网络、灰色模型、差分自回归移动平均模型三种单一预测模型。针对反馈神经网络易陷入局部最优的缺点,采用麻雀搜索算法进行优化。然后,利用灰色关联度对层次分析进行改进,实现各单一预测模型对应权重值的自适应计算,并外推权重值。最后,对三种单一预测模型的预测值进行加权求和。利用某地区变压器顶层油温数据进行实例分析,算例结果表明,使用改进层次分析法实现的变权重组合预测模型在整体预测精度与稳定性方面明显优于单一预测模型,可较好地应用在电气设备温度预测中。     

组合优化的城市供水量预测模型

城市供水系统是一个复杂的大系统,供水量受多种因素的共同影响.为了节约水资源,供水公司需要根据日供水量记录估计未来一段时间的用水量,以便安排未来的生产调度计划.以过去七年的历史数据为基础.建立了供水量的最优组合预测模型.首先采用霍尔特指数平滑法预测模型进行预测,然后采用BP神经网络预测模型进行了预测,最后采用最优组合预测模型对前两种模型的预测结果进行了优化,模型具有较高的预测精度,组合预测的预测效果优于任意一种单一预测的预测效果,供水量预测结果对未来供水的短期或长期规划能起到重要的宏观指导作用.组合优化的预测结果更为稳健、精度更高,在其它的能源消费预测中具有一定的推广应用价值.     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

基于情景可控的非负变权组合预测模型及应用

将情景规划分析与组合预测方法相结合,构建了基于情景可控的非负变权组合预测模型.该模型具有将单预测模型和情景分别加权集成的特征,能够进一步增强组合预测方法的环境适应性和可控性.以S市的经济增长状况为分析背景,规划出了4种备选情景;由1979～2010年的历史数据拟合4种单预测模型,并预测2011～2015年的经济状况;以此构建基于情景可控的非负变权组合预测模型,用以对S市的经济增长实际状况进行分析.     

最优组合模型在证券市场预测中的应用研究

研究证券市场预测中的股票价格预测精度问题,股票价格受到政治、经济、投资者心理等多种因素影响,股票价格波动较大,系统具有非线性复杂变化规律,单一预测模型只能反映股票价格变化时段信息,预测精度比较低。为了提高股票价格预测精度,提出一种组合模型的股票价格预测方法。首先分别采用ARIMA、GM、RBF神经网络对股票价格进行预测,然后通过权重值获得最优组合预测模型进行股票价格预测。结果表明,组合预测模型提高了股票价格预测精度,降低了预测误差,克服了单一预测模型在股票价格预测中的缺陷,为股票价格等非线性系统准确性预测提供了参考依据。     

基于灰色马尔科夫的外汇预测模型

随着经济的发展和居民收入水平的提高,兑换外汇逐渐成为人们的日常需求。但国家对外汇有着严格的管理并限制了个人的兑换额度,所以当个人外汇支出超过规定额度时,就认为涉嫌分拆外汇。为了更好掌握未来涉嫌的外汇分拆量,则需要较为准确的预测。本文利用灰色预测模型对历史数据进行建模,结合马尔科夫预测模型,得到组合预测模型的预测值。本文的研究与应用表明灰色马尔科夫组合预测模型比单一预测模型精度更高,可以对未来数据进行更加准确的预测。     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。