集对分析在企业能源管理中的应用探讨

集对分析是一咱新的不确定性理论与方法，已在许多方面得到应用。本文探讨集对分析在企业能源管理中的应用。     

基于灰色关联度和集对分析的城市用电量预测

以某市为例,收集整理了2004~2014年用电量及其影响因素的数据,运用灰色关联度对数据进行处理,选出关联度较大的影响因素,应用集对分析方法对用电量进行预测,并与实际值进行比对。结果表明,该方法应用于用电量预测计算简单,思路清晰,精度较高,可作为电力部门电力规划和调度的参考。     

BP神经网络在闽江十里庵流量预测中的应用

将反向传播BP神经网络模型应用于闽江上游流域,建立闽江上游流域洪水最速下降动量反向传播BP神经网络模型;选择闽江上游南平市十里庵水文站最大洪峰流量与其支流建溪七里街站、富屯溪洋口站、沙溪沙县站三个水文站的相应洪水流量建立模型.结果表明,模型预测精度符合要求,可作为防汛部门预测洪水的依据之一,并为汛中防汛会商和指挥调度提供依据.     

BP神经网络在新浇筑混凝土最高温度预测中的应用

鉴于在坝体混凝土开仓前准确预测新浇筑混凝土最高温度对防止大坝开裂的重要性,基于BP神经网络原理,以混凝土浇筑温度和冷却水管布置方式、通水温度、通水流量及气温、浇筑层厚度、混凝土龄期7个因素作为输入层,以实测混凝土浇筑仓内最高温度为输出层,利用Matlab神经网络工具箱,建立了新浇筑混凝土最高温度的BP神经网络预测模型,并通过实例对模型进行了验证分析。结果表明,冬季、夏季浇筑仓内混凝土最高温度的预测值和实测值之间的误差均约为0.5 ℃,二者吻合较好,可见该模型满足实际工程要求,也说明了BP神经网络在预测新浇筑混凝土最高温度方面具有可行性和实用性。     

遗传算法优化BP神经网络在大坝扬压力预测中的应用

针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。     

集对分析法在地下水质量综合评价中的应用

根据集对分析联系度表达式中的同一度、差异不确定度、对立度数值及其相互间的联系、制约、转化关系,可以进行地下水的水质评价,为水质监测与改良提供决策帮助。     

基于集对分析聚类法的超短期风电功率区间预测

高精度的风电功率预测是保证含高渗透率风电电力系统安全经济运行的重要手段。文章在传统ARIMA算法的基础上,引入集对分析理论对风电功率进行超短期区间滚动预测。首先采用改进的K-means算法,建立风电功率与风速、风向之间的集对关系;在点预测结果的基础上,估计区间上下限,经过误差调整,最后得到区间预测结果。文章引入3个模型评价指标对不同方法进行比较。算例表明,所提出的基于集对分析聚类算法的超短期风电功率区间预测能够得到更精确的预测区间。     

基于主成分分析的神经网络在需水预测中的应用

需水量预测是水资源规划与管理的重要内容,建立高精度的需水量预测模型,可为区域水资源规划提供技术支撑。以南昌市为例,利用2005~2015年的实际用水量数据,对南昌市16个用水总量影响因子进行主成分分析,以提取的主成分作为BP神经网络的输入样本,建立BP神经网络需水预测模型。结果表明,经过主成分分析,16个用水量影响因子可用8个主要影响因子代替。建立的BP神经网络模型的需水预测平均相对误差仅为1.37%,预测精度较高,可作为区域需水预测的一种可靠方法。研究成果可为类似区域提供借鉴。     

集对分析在雷达定量测量降雨中的应用研究

介绍雷迭定量测量降雨的基本原理和运用最优化算法率定雷达测雨参数的方法,其中最优化目标函数选取三种表达式.阐述了集对分析的基本原理和优势,并应用于确定雷达测雨Z-I关系中,将不同方法计算结果进行对比分析.结果表明,集对分析较现有方法优越.     

基于小波分析的BP神经网络潮水位预测方法

分析了潮水的特性,提出了基于小波多分辨分析的BP神经网络潮水位预测方法。通过小波分解与重构技术,将潮水位序列分解成不同层次,得到趋势项、周期项和随机项,利用BP神经网络对每一项进行预测,最后再重构得到原潮水位序列的预测值。实例验证,基于小波分析的BP神经网络潮水位预测方法比单独用神经网络对潮水位进行预测更有效。     

基于集对分析法的洪水灾害风险评价模型

为解决评价指标与洪灾风险的不确定性关系,将集对分析理论应用于洪灾风险的评价中,同时为考虑等级标准边界的模糊性引入置信度准则,以北江流域为例,建立了集对分析评价模型,获得了北江流域洪灾风险危险区具体分布状况,评价结果与实际情况吻合,验证了模型的合理性。     

基于分形模糊集对分析方法的洪水分类

针对目前洪水分类方法复杂、难以实施和在分类中难以客观确定分类指标权重的问题,基于集对分析原理提出了分形模糊集对分析方法,以反映指标复杂程度的分维来刻画指标权重,同时考虑分类标准边界的模糊性,并将该方法应用于黄河支流秃尾河流域的洪水分类中。与其他分类方法的比较结果表明,分形模糊集对分析方法客观、精确、有效,分类结果符合实际情况。     

防洪工程安全评价集对分析-可变模糊集模型

在流域防洪工程体系安全评价的指标体系及其等级标准的基础上,提出了用集对分析方法构造可变模糊集的相对差异度函数,进而建立流域防洪工程体系安全模糊综合评价的新方法(SPA—FCE)。结果表明,SPA—FCE计算过程直观、简便、通用性强、评价结果合理、精度高,可适用于已知等级评价标准的各种系统综合评价问题,有利于推动可变模糊集理论的进一步发展。     

基于博弈集对云的中压配电网运行状态评估与预测

目前,配电网运行评估主要集中在状态等级的确定方面,对发展趋势的分析较少,导致无法识别运行过程中的薄弱环节。同时,考虑到集对分析法的联系度采用线性处理进行量化分析,结果难以客观反映工程实际状况。为此,结合集对分析和云模型构建中压配电网运行状态评价模型,并引入博弈论构建最优组合权重模型。将两种模型的结果加权确定出综合云联系度,生成对应的状态云图以掌握配电网的运行状态。再根据各指标偏联系数的发展态势,识别出配电网运行过程中的潜在风险。最后,以宜昌市内3个地区的运行数据为例验证模型的合理性,评估结果与实际运行情况相符。同时,各地配电网的置信因子均小于0.01,验证了模型的有效性。研究成果可用于指导工程实践。     

基于模糊集对评价法的广西各城市洪涝易损性分析

针对城市洪涝易损性评价具有不确定性的问题,引入模糊集对评价法,选择5个评价指标建立城市洪涝易损性评价指标体系,考虑等级标准边界的模糊性和各指标的不同作用,通过联系度和权重计算,对广西壮族自治区14个城市洪涝易损性进行定量评估分析。结果表明,广西壮族自治区14个评价城市中有2个城市洪涝易损性为较低度易损性,7个城市为中度易损性,3个城市为较高度易损性,2个城市为高度易损性,研究结果可为广西壮族自治区各城市洪涝灾害防治提供决策依据。     

基于改进熵权和集对分析的水库多目标防洪调度决策方法研究

针对现有水库多目标防洪调度方案决策优选方法存在的缺点,以集对分析为理论基础,并结合熵权计算思路,提出了一种新的水库多目标防洪调度决策优选方法。该方法首先改进了现有熵权计算公式,以合理地确定各决策指标的客观权重;进而综合决策者的主观偏好及客观属性信息的差异,使用三元联系数来描述候选方案与正、负理想方案的综合接近程度,并在此基础上采用γ准则对各决策方案进行优选排序,最终通过实例计算验证了该方法的可行性。     

基于BP神经网络的大伙房水库洪水预报

鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。     

基于BP神经网络模型的河道洪水反向演算研究

河道洪水反向演算在河库联合调度和推求设计洪水的区间组成等方面具有重要意义,直接使用传统的马斯京根法反演效果较差。基于河道上下断面洪水的非线性关系,采用BP神经网络模型训练历史洪水,并用训练得到的网络对下游洪水进行反演。实例应用结果表明,该模型反演结果与实际洪水过程更为接近,具有一定的精度和实用性。     

基于误差修正的BP神经网络模型在河道洪水预报中的应用

针对经典BP神经网络模型,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值,据此提出了一种计算输入输出向量的归一化公式,并建立了具有洪峰识别的洪水预报BP网络预报模型。采用新模型对宜昌水文站典型年实测流量过程进行了预测检验,其结果与实测值较吻合,对流量过程及洪峰流量过程的预报精度较经典BP模型高。     

基于集对分析的全国生态环境质量评价研究

基于集对分析原理提出了生态环境质量评价新方法--集对分析法,考虑了分级标准的模糊性,同时避免了差异不确定系数的取值.应用于我国各省市生态环境质量的评价,并与EQI法、PPDC法进行对比.结果表明,该法概念清晰、结构简单、计算简洁、易于操作、可行有效.