关于非负权重组合预测的若干问题的探讨

在冗余方法和优性组合预测方法两个概念的基础上，探讨了关于非负权重组合预测的几个问题。文中的研究揭示了非负权重最优组合权重与预测误差协方差阵和最优组合权重之间的关系，这对于非负权重组合预测的理论研究和应用都有重要意义。     

基于支持向量机的不等时距灰色组合预测模型

建立了一种基于支持向量机的不等时距灰色组合预测模型.利用各种不等时距灰色模型的预测结果作为支持向量机的输入,实测值作为支持向量机的输出,并采用LS-SVM回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机即可进行组合预测.该模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一不等时距预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

组合预测误差信息距阵进一步研究

研究组合预测差信息矩阵的结构与非负权重组合预测方法性质之间的联合。给出了几个能够从组合预测误差信息矩阵获得取关于非负权重量优组合预测方法组合结构信息的方法，这些方法是简单易行的、实用的。     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

一种基于时序可变加权系数的组合预测模型

为了提高预测精度,提出了时序可变加权系数的组合预测模型。以组合预测模型的误差平方和最小为优化准则,建立最优的非负可变加权系数的组合预测模型,计算不同时刻单项预测模型的最优加权系数。利用时间序列ARMA模型对可变加权系数进行预测,进而得到组合预测结果。算例表明,时序可变加权系数组合预测模型综合利用了各个单项预测模型的重要预测信息,其预测误差远小于各单个模型的预测误差,预测精度更高,模型实用性更强。     

组合预测冗余方法判定的一个补充规则

给出了一个非负权重最优组合预测冗余方法判定的补充规则及其证明,以释例说明了该规则能适应更多的实际情况,讨论了目前非负权重组合预测和冗余方法研究中的一些局限性,指出了进一步研究的思路。     

随工程进展的海堤沉降优性组合预测研究

通过分析实测数据来预测沉降是实际工程中较多采用的方法.单一的预测方法各有其适用性同时也存在着不足,据此提出既能综合利用多种预测方法提供的信息又能提高预测精度的组合预测.在工程进展的过程中分期采用组合预测的方法,可以提高预测精度.并通过具体工程实例的分析,说明随工程进展的优性组合预测的有效性.     

基于组合预测模型的长沙市长期负荷预测

在长沙经济发展预测的基础上,采用回归分析法、趋势外推法、灰色预测方法和弹性系数法等多种方法预测长沙城区2005～2020年的负荷需求,并结合这些方法,提出了基于误差权重因子的多种方法组合预测的思路,对长沙市的长期负荷需求进行了优化组合预测.对预测结果的分析表明,该预测方法是合理、有效的.     

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.     

一类诱导广义有序加权对数的连续区间有序加权调和平均算子及其应用

结合连续区间有序加权调和平均(C-OWHA)与诱导广义加权对数平均(IGOWLA)两类算子,提出了一类诱导广义有序加权对数的C-OWHA(IGOWLC-OWHA)算子.以改进的Theil不等系数为相关性准则,构造了一种基于IGOWLC-OWHA算子的区间组合预测模型.算例分析表明,该模型能有效提高预测精度.     

水文模型组合预报应用研究

针对水文模型结构误差和目前各大中型水库流域的防洪风险分析与决策方式,在当前应用广泛的洪水实时预报系统基础上,融入模型加权法的思想,采用一种比较简单易行和实用的“模型组合预报”方案,可以一定程度上提高洪水预报结果的精度和稳定性,也符合防洪风险分析与决策的思想．并在长潭水库流域最近几年的防台风洪水预报中进行了实践应用,实际应用效果良好．     

我国区域经济差异构成分析

运用锡尔系数和基尼系数分解方法,从三大地带间和三次产业角度对我国1978年～2008年间的经济差异进行测度,定量描述了近30年来我国区域经济差异的因素构成和变动过程。研究发现,第二产业和三大地带之间的差异仍然是导致当前我国区域经济差异的主要因素,是构成全国整体区域差异的重要组成部分。     

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。     

基于改进的模态分解和组合预测模型的短期负荷预测

短期负荷预测是电网调度计划重要的支撑依据,同时短期负荷预测的预测精度也是电网系统安全稳定运行的基础和前提。文中提出了基于改进的模态分解和组合预测模型(EEMD-组合模型)的预测思想,实现对短期电力负荷的精准预测。首先利用改进的模态分解实现对历史序列分解,挖掘不同频段序列的负荷特性以及与影响因素的关联关系,然后针对不同频段的序列使用不同的预测方法,最终集成整体预测结果,并使用均方根误差和平均相对误差进行测后评价,同时与其他预测模型进行对比。结果表明EEMD-组合模型可以很精准地预测未来负荷变化情况。     

上证指数基于SVD的组合预测模型

股票指数时间序列具有非平稳和高噪声等特点,在进行股票指数预测时,由于噪声的影响,单一模型的预测精度往往不高.作者建立了基于奇异值分解（SVD）的BP神经网络和ARMA-GARCH组合预测模型,该模型将原序列分解为趋势部分和噪声部分,分别进行研究.实证研究结果表明：该模型的拟合、预测精度较高.     

基于奇异谱分析的PMI组合预测模型

为了提高制造业采购经理人指数（PMI）的预测精度,结合PMI周期性和非线性的特点,提出了融合奇异谱分析（SSA）、季节差分自回归移动平均（SARIMA）模型和支持向量回归（SVR）模型的组合预测模型。该模型采用SSA将PMI分解为主要成分和噪声成分,借助SARIMA模型处理线性问题以及SVR模型处理非线性问题的优势,分别为两个成分建立相应的预测模型,针对主要成分选取SARIMA模型和SVR模型建模,噪声成分选取SVR模型建模,最后将各自得到的结果组合为最终的预测结果。实验显示：SSA-SARIMA-SVR模型的误差评价指标最低,预测效果最好,可供预测PMI走势。     

基于DBN-Kalman-EC算法的 短期风电功率组合预测

提出一种基于深度置信网络(DBN)和卡尔曼算法(Kalman),结合误差修正算法(EC)的短期风电功率组合预测模型。运用经验模态算法(EMD)将原始风速序列分解,提取其主要特征,降低风速序列突变性;然后利用DBN法,通过构造两种不同的输入输出矩阵,得到pro_1和pro_2两种预测功率、bias_1和bias_2两种预测误差;接着将pro_1作为测量值、bias_1作为测量误差,将pro_2作为观测值、bias_2作为过程误差引入Kalman模型,得到预测结果 pro和预测误差bias;最后利用EC算法对pro和bias进行修正。仿真结果表明,DBN-Kalman-EC模型能有效中和bias_1和bias_2两种误差,降低了预测误差,修正预测值,有效地提高了短期风电功率预测的精度。     

基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

基于LS-SVM的道路交通事故的非线性组合预测

为提高道路交通事故的预测精度,根据道路交通安全系统的特征,提出一种基于LS-SVM算法的道路交通事故的非线性组合预测模型。实例计算表明该组合预测模型不仅比单一预测技术的预测效果更好,而且相对于已有的组合预测模型也显示出更好的预测效果,在交通事故的预测方面具有一定的应用价值。     

两种组合预测优化模型的分析和比较

对两种线性组合预测方法的优化模型进行分析和比较,旨在为实际应用中的组合预测方法的优化设计提供理论基础,其结论对组合预测理论和实践有着重要意义。