半参数回归模型两步估计的渐近性质

利用近邻权函数并综合最小二乘法，建立了半参数回归模型中非参数g(t)和参数β的估计量g^(t)和β^，在适当条件下，研究了它们的渐近性质。     

一类半参数回归模型中非线性最小二乘估计的渐近正态性

讨论了当g(·)的估计取一般非参数估计(包括常见的核估计和近邻估计)时,的最小二乘估计及的估计的渐近正态性     

半参数回归模型在测量数据处理中的应用

考虑半参数测量模型，利用核函数并综合最小二乘法建立了参数β和s的估计量β^^，s^^其次，用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较，最后，将所得结果应用到自由网平差和GPS测量中。结果说明，半参数测量模型比参数模型更能反应真实情况。     

小波神经网络在短期电力负荷预测中的应用

针对小波网络建模存在难以有效对小波级数进行截断的问题，提出一种基于频带能量的小波级数截断方法，该方法能克服传统方法对个人经验的依赖，确保小波网络的逼近能力；结合正交最小二乘法，将其应用于电力负荷预测中，建立负荷预测的小波网络模型．仿真结果表明：用该方法建立的小波网络模型简洁、明了，结果有效、准确，具有较好的预测能力．     

简单线性回归模型的分离参数估计方法

最小二乘法的参数估计方法虽然体现了的拟合结果的整体优化特征，却没有体现出各参数估计量的自身统计特征，对此本给出一种新的参数估计方法，同最小二乘法相比，该方法得到的参数估计值受统计数据的影响最小，中还讨论了参数估计自身具有的线性和无偏性。     

半参数测量模型在GPS高程拟合中的应用

利用罚最小二乘原理构造加权惩罚平方和，将半参数回归模型与最小二乘配置结合起来，来处理GPS高程问题，导出了配置型模型中正规化矩阵正定时参数平差的计算方法，用直接法得到了参数和信号的估计量，给出了相应的公式。其次，通过选取合适的平滑因子，能使残差的分布更接近其真实分布，并用一个实例说明了此方法的有效性。     

回归模型中变量变换的图示方法及其应用

将增加变量的思想引入到变量变换中，获得了变量值的简便方法。     

m次回归近似法在光谱分析中的应用

用ｍ次回归近似计算法解决光谱分析中非线性分布大区间的计算问题，此法简便，实用性强。     

土工试验中回归分析法的应用

数理统计中的回归分析法能提供变量之间相关关系的数学表达式,而且能利用概率知识,对问题进行分析,判明所建立公式的有效性.同时,还能利用所得的公式,准确方便地处理变量与变量间的相关关系.针对土工试验中,大量试验数据处理的困难,结合武汉市某工程实例,探讨了回归分析法在土工试验中的应用.     

固定设计下半参数回归模型中的随机加权逼近

为了模拟参数估计的误差分布,研究了固定设计下半参数回归模型中参数估计的误差分布的随机加权逼近问题,构造了参数估计的随机加权统计量,在适当的条件下,证明了用随机加权统计量的分布去逼近原估计量的误差分布的精度可达到o(n-1/2).     

小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理.将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测.最后将预测结果叠加,得到最佳预测结果.结果表明,该方法能够取得较好的预测精确度.     

加权模糊回归方法在电力负荷预测中的应用

探讨了社会经济指标及其时间序列对电力负荷影响的程度,采用模糊数学和优化理论建立起一套加权模糊预测模型.通过对深圳地区远景年电量的预测实例表明,该预测方法是可行而有效的.     

用时间序列法进行电力系统短期负荷预测

电力系统负荷预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展变化规律,以未来的经济、气象等因素的发展趋势为依据,对电力需求作出预先的估计和推测。本文通过使用经典的时间序列法进行短期负荷预测,以C++语言程序为计算手段,并将预测结果与实际值进行比较分析。同时类比其他各种预测的方法,对短期负荷预测的方法、过程、意义进行一些分析。     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM(1,1)及灰色差值模型在短期电力负荷预测中的应用,提出了适合普通日电力负荷预测的数据处理方法,提高了短期电力负荷预测的精度.     

层次分析法在电力负荷组合预测中的应用

应用组合预测理论,引入层次分析法(AHP)建立了电力负荷组合预测的结构模型,利用AHP的1～9标度,计算相应权重,对电网负荷进行预测,从而获得电力负荷预测的满意解及推荐值.     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

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。     

基于多变量分析的城市电网空间负荷预测方法

提出了一种基于多变量分析的城市电网空间负荷预测方法。该方法采用"自上而下"的方式来实现,首先建立计及经济、人口、气温等因素影响的多变量预测模型,并在此基础上预测出城市电网的负荷总量;然后根据城市用地信息,采用负荷密度指标法把负荷总量分配到各个供电小区,从而实现空间负荷预测。最后以吉林市城市电网为例进行分析,结果表明该方法是有效的。     

新型线性回归模型及其在山东电量预测中的应用

提出一种新型线性回归预测模型，采用基于相对误差意义下的最小二乘法对回归系数进行计算，并以山东省居民用电量预测为实例，分别用传统的线性回归模型和新型线性回归模型进行预测。预测结果分析表明，新型线性回归模型在预测精度方面有了进一步提高。     

电力负荷预测的一种综合方法

在电力负荷预测的数学方法中，有多种预测模型，因而有多个预测结果．目前还没有令人满意的方法，用来确定出其中最接近实际的结果．另外，大多数的预测样本中都存在着数据失真，直接导致预测结果失真．这些都较大地影响了预测的准确性．本文提出了一种筛选方法，对模型和样本数据进行过滤．