一种基于径向基神经网络的组合预测模型

根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(ARIMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值.将该模型应用于长沙市某路段的交通流量预测,实验结果证明了该预测模型的有效性,采用组合预测模型比单一预测模型的预测精度有了较大提高.     

基于一种贴近度的IGOWLA算子的最优组合预测模型

为了克服传统的单项预测方法选取固定参数时的不足,在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入贴近度以及λ次幂误差,构建了基于一种贴近度的IGOWLA算子的最优组合预测模型,并给出了该模型的预测精度、优性及非劣性定义.实例分析表明,该组合预测模型优于传统的单项预测模型,能够充分利用各个单项预测方法的信息并提高预测精度,是一种优性组合预测.     

非平均权重条件下电力负荷组合预测模型研究

在对电力负荷进行预测过程中,单一的预测模型往往会出现拟合能力低和预测精度不高的缺陷,而且多个预测模型的简单组合也是一种相对粗略的预测方法。本文将非平均权重法运用于电力负荷组合预测模型中,以某省2000~2011年电力负荷为例,结果表明非平均权重的电力负荷组合预测模型的拟合方差比单项预测模型以及平均权重下的组合预测模型都小,而且预测精度更高。     

基于一种贴近度的IOWHA算子预测模型的性质研究

为了克服传统的单项预测方法选取固定参数所带来的不足,在诱导有序加权调和平均算子(IOWHA算子)的基础上,引入贴近度构建了基于一种贴近度的IOWHA算子的最优组合预测模型,对该模型的预测精度、优性及非劣性给出定义,并从理论的角度探究了其非劣性组合预测、优性组合预测的存在性的充分条件.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。     

基于IGOWMA算子的变权系数区间型组合预测模型

为了保持区间数内部的整体性及提高区间数的预测精度,提出了一种将改进相关系数和诱导广义有序加权多重平均(IGOWMA)算子相结合的区间型组合预测方法.该方法首先将区间数进行转化,以等价信息的中心和半径来表示区间数; 然后以预测精度为诱导因子,构建IGOWMA算子; 最后选取改进后的Pearson相关系数作为最优准则来建立多目标非线性规划模型,并通过引入偏好系数将模型转化为单目标规划模型.实例验证证明,该区间型组合预测模型不仅能够保证区间数内部的整体性,而且其预测结果显著优于文献中的3种单项预测方法和1种组合预测方法.对模型的参数进行灵敏度分析显示,参数λ的取值对模型的权系数、最优目标函数值以及误差指标有较明显的影响,偏好系数α则对模型的影响较小.上述结果表明,该组合预测方法能有效提高预测精度,可应用于区间数的模糊预测中.     

基于支持向量机的交通流组合预测模型

根据天津市某路口的历史数据,采用目前流行的历史平均模型、RBF神经网络、灰色预测法分别建立了天津市某路口交通流量的单项预测模型,然后利用支持向量机模型对多个单项预测模型结果进行了组合预测,以作为其最终的预测值.计算结果表明,采用非线性组合方法比采用单一预测方法的预测精度有了进一步的提高,比较适合交通流预测.     

隧道围岩变形的组合预测研究

为了提高在隧道的施工过程中对围岩变形预测的精度,以实测典型断面围岩变形为研究对象,探讨了多项式模型、BP神经网络模型和最小二乘支持向量机模型的特点和适用性,其中最小二乘支持向量机是基于SVM演变而来的一种模型,在预测方面有较好的有效性和优越性,用单项预测模型进行预测时可优先考虑该模型.但在实际工程中隧道围岩变形受时间和空间效应影响,仅用一种单项预测模型进行预测时预测风险较大,据此引入组合预测的思想,以权重平均法、误差平方和倒数法、最优变权重组合法确定权重系数建立组合预测模型并进行验证和比较.结果表明:组合预测模型能够降低对较差单项预测模型的敏感度,提高预测的精度和可靠度,构建的最优变权重组合预测模型的预测结果理想,模型稳定好,在实际工程中具有较好的应用价值.     

组合模型在能源需求预测的应用

为科学预测未来我国能源需求,通过文献萃取选取经济发展水平、人口规模、城市化率、产业结构和技术进步水平作为我国能源需求影响因素．运用拉开档次法计算各模型权重,构建ARIMA、多元回归、灰色GM(1,1)和支持向量回归机的组合预测模型,运用该组合模型和目前常用组合预测模型分别计算我国2005-2011年能源需求,并与实际结果进行比较,结果表明:该组合预测模型具有更高的预测精准度. 最后运用该组合模型预测2012-2020年我国能源需求,预测结果表明: 2012-2020年我国能源需求以平均3.42%的年增长率增长,2020年我国能源需求量将比2012年增加30%左右.     

2012—2050年我国老龄人口预测研究

以我国老龄人口发展为研究对象,建立了GM（1,1）动态预测模型和灰色新陈代谢模型,对未来2012—2050年我国老龄人口进行了预测。预测结果显示：2020年我国老龄人口数达到1．7174亿,2030年2．4929亿,2040年3．6187亿,2050年5．2527亿、占我国总人口数的32％。     

基于不同尺度的差异化农村生活垃圾处理模式——以我国30 881个镇域单元为例

农村地区实施生活垃圾处理分区分级处理,提高我国农村地区生活垃圾无害化处理率,对推进美丽乡村建设具有重要意义。基于我国30 881个镇域单元的8项指标(人均可支配收入、人口密度、垃圾收集密度、人均生活垃圾产生量、乡镇距市县中心距离、公路路网密度、地形起伏度、土地面积)数据分析,研究构建了科学合理的乡镇类型识别指标体系,采用空间差异性分析、空间自相关性分析、空间插值分析讨论了我国镇域空间分布格局,并探讨了东部、中部、西部和东北地区不同类型乡镇的生活垃圾处理模式。结果表明:①从乡镇类型划分来看,我国乡镇可分为城乡一体化型、密集型、村庄农户分散型,并且东部、中部地区乡镇的生活垃圾处理能力总体优于西部、东北地区; ②从空间分异性来看,东部、中部地区乡镇指数内部差异性整体较小,可建议推广同一生活垃圾处理模式; 东北、西部地区乡镇指数内部差异性较大,建议推广不同类型相组合的生活垃圾处理模式; ③从空间关联性来看,不同尺度下的乡镇指数空间聚集效应明显,特别是东部地区产生了“近朱者赤”的空间关联效应。最后,根据乡镇空间分布特征差异,总结提出了不同地区的农村生活垃圾处理模式选择建议。     

先进制造业与现代物流业融合的地区差异研究

基于2003—2020年我国先进制造业与现代物流业面板数据,采用耦合协调模型测度先进制造业与现代物流业的融合发展水平,运用核密度估计法、Dagum基尼系数分析其分布动态及地区差异,测度我国先进制造业与现代物流业融合发展水平,并探析其区域差异。结果表明：第一,中国各省份先进制造业与现代物流业的融合发展水平非均衡,呈东部最高、中部次之,西部及东北较为落后的空间分布特征。第二,东部地区、中部地区先进制造业与现代物流业的融合发展水平均呈现上升趋势,西部地区和东北地区“两业融合”发展水平呈下降态势。第三,东部、中部先进制造业与现代物流业融合发展水平的地区内差异呈波动增长的态势,表现出两极分化,“两业融合”地区间差异贡献度对整体差异贡献最大。     

基于区间相离度及GIOWA算子的区间型组合预测方法

为了提高区间数的预测精度,以预测精度作为诱导值,区间相离度作为最优准则,通过广义诱导有序加权平均(generalized induced ordered weighted averaging,GIOWA)算子集结数据,提出了一种基于区间相离度及GIOWA算子的区间型组合预测方法.实例验证表明,该方法的预测精度优于各单项预测方法.通过对参数进行灵敏度分析,得到参数变化对组合预测最优解及预测精度的影响.     

基于灰色理论和Usher曲线的PHC管桩单桩竖向极限承载力预测

针对利用现行规范公式计算PHC管桩的竖向极限承载力值存在结果偏低的问题,根据竖向静载荷文献资料,基于灰色理论GM(1,1)模型和Usher曲线模型预测单桩的极限承载力,并采用MATLAB软件实现预测模型算法.工程实例分析表明:灰色预测模型的预测精度与竖向静载试验数据级数选取、预测距离有密切关系;Usher曲线模型对桩极限承载力的预测精度大大高于灰色模型,此结果可为类似工程地质条件下PHC管桩单桩竖向极限承载力的预测提供借鉴.     

企业经营活动现金流量预测的灰色拓扑模型

企业经营活动现金流量具有小样本、波动大、影响因素多的特点,难以满足现有预测方法对样本的规模及分布要求.本文采用灰色拓扑预测方法建立了经营活动现金流量的灰色拓扑预测模型,克服了传统预测方法对样本数据的限制,实证检验表明该方法能够较好地对经营活动现金流量中期发展趋势进行描述.     

中国地区能源消费差异及影响因素分析

深入分析我国地区能源消费差异及影响因素,对降低能源消费,制定节能降耗政策具有重要意义。本文首先分析我国地区能源消费现状和地区差异特征,其次探讨了能源消费差异的主要影响因素,通过构建计量模型对我国各地区能源消费影响因素进行实证分析。研究结果表明,能源消费水平由西向东呈现递增的阶梯现象;经济发展水平对能源消费水平具有积极的作用,西部地区经济发展对能源消费的推动作用最大;产业结构对各地区能源消费的作用不同：产业结构优化对东部地区能源消费的降低作用明显,而中、西部地区产业结构优化对能源消费的降低作用有限。本文据此提出相应的政策建议。     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM（1,1）模型拟合和预测效果好于GM（1,1）模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM（1,1）模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明：组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。     

短时车流量组合预测模型

随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.     

基于粒子群算法和BP神经网络改进的灰色电力负荷预测研究

灰色预测模型被广泛运用于电力负荷预测中,取得了较好的效果,但是灰色预测模型在实际应用中的缺点和局限性导致其预测精度有待提高,存在改进的必要。本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,从而提高普通灰色GM（1,1）模型的预测精度。对初值的处理可以削弱异常值的影响,强化趋势,从而避免由于初值选择不当而造成预测误差。本文中对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。通过这些对灰色预测模型的修正和改进,进一步提高了灰色预测模型的适用性．最大限唐妯提高了灰乍．GM（1,1）模型的预测精唐．