回归分析法在年用电量预测中的应用

针对年用电量的预测，研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系，以某地区为例，求出该地区1990年至2000年的用电量回归方程，再用该回归方程求得的年用电量与实际值加以比较．误差满足实际要求且方法简单易行，证明了一元线性回归可以有效的应用于年用电量预测．     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型.该模型充分考虑了年用电量与时间的关系,以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测.     

多元回归分析法在城市用电量预测中的应用

负荷预测的精确性直接影响到电力系统配网的规划、调度运行、生产计划和优质供电.介绍了多元线性回归模型的原理,通过分析历史数据,建立数学模型,对城市用电量进行预测,证明该模型具有良好应用前景.     

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.     

SPSS预测模型在城市居民生活用电量中的应用

作者应用SPSS软件中的Regression分析模块对城市居民生活用电量进行了回归预测,结果得到的回归模型具有较高的信度和实用性,较好地解决了城市居民生活用电量预测问题,为电力部门的建设和发展提供了前瞻性决策依据．     

线性回归分析法在工资预测中的应用

以线性回归分析方法为基础,采集由四川省政府和省统计局于1991 ～2012年发布的城镇在 岗职工平均工资数据,研究并建立了科学的预测模型.结合我国的经济发展战略目标,预测出四川省城镇在岗职工2013 ～2020年的平均工资值及其截止2050年的增长趋势.最后对预测数据进行了具体分析,从实际层面评估了预测模型的建模方法和预测数据的可信度.     

对回归分析法的几点体会

通过科研实践，我们对线性回归分析方法的应用有几点新的体会     

一元线性回归分析法在建筑业预测工作中的应用

文章对一元线性回归方程式进行了数学推证,结合实例阐明了一元线性回归分析法在建筑业预测工作中的实用价值和应用技巧。同时,对用此法进行预测的精确性作了理论分析和验证,说明此法具有较强的实用性和较高的预测精度。     

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.     

非线性回归在预测中的应用

本文阐述了时间序列的非线性回归使用计算机处理的基本方法,从分析误差说明了该方法的可行性,列出了几项计算结果,说明了该方法的正确性,并给出了在预测方面的应用。     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术，采用二次指数平滑技术和二阶自适应系数法进行发电量预测，并运用C语言编程，通过实际算例进行了比较分析．     

趋势外推法在电力负荷预测中的应用

研究了电力系统负荷预测的趋势外推预测技术,采用二次指数平滑技术和二阶自适应系数法进行发电量预测, 并运用 C 语言编程,通过实际算例进行了比较分析．     

合肥地区短期负荷预测及误差分析

电力系统规划和运行调度都应以对未来电力负荷的预测为依据.电力的生产和消费是同时进行的,任意时刻都必须保持二者之间的平衡.负荷预测偏低会引起电力供应紧张,电能频率下降,供电可靠性下降;负荷预测过高将会导致发电过剩,系统频率上升,并造成发输电设备不能充分利用,影响系统的经济性能.因此,电力系统负荷预测是电力系统规划和运行调度的重要组成部分.     

灰色GM(1，1)模型在电力系统负荷预测中的应用

研究了灰色 GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论：灰色 GM(1,1)模型精度较高,但也存在一定的局限性．     

基于支持向量回归的短期负荷预测

对短期负荷特性进行分析,选取与负荷相关的气象因素、日期类型、前几日负荷作为最大(最小)负荷预测回归模型的输入。夏冬两季休息日的负荷特性与春秋两季不一致,根据气象因素修正日期类型对应的数值。采用最小二乘支持向量机(least squares support vector machine, LSSVM)建立气象因素和日期类型与最大(最小)负荷的映射关系。利用相似日法计算日负荷变化系数,在预测最大负荷和最小负荷基础上,计算预测日各点负荷。算例分析验证了本研究预测模型的有效性。     

灰色GM(1.1)模型及其在电力负荷预测中的优化应用

针对传统灰色模型的建模机理和存在的局限性,提出了改进方法,建立了新的电力负荷预测模型.通过实例计算表明,该模型具有良好的适用性和预性精度.     

基于Matlab的回归分析在注塑翘曲预测中的应用

以汽车外饰件观后镜注塑件成形质量中的翘曲量为优化目标,对注射温度、模具温度、注射时间、保压时间、冷却时间等影响翘曲量的工艺参数,以数值模拟得到的数据为实验数据,通过回归分析,建立预测注塑产品翘曲量的数学模型,并比较其预测精度从而得到有效的预测模型,最后达到对注塑工艺条件进行优化的目的。     

负荷预测的线性稀疏数AR预测模型

对时间序列线性ARIMA模型的建模和预测方法进行了总结,根据其特征提出了采用稀疏数AR模型代替ARIMA模型作为通用线性预测模型,并给出了模型搜索算法,使得时间序列线性预测模型的建模过程无需人的干预而能通过程序自动完成。     

基于改进广义回归神经网络的网络安全态势预测

针对网络安全态势精确预测,提出一种基于改进广义回归神经网络的预测方法,以改善网络安全态势预测精度.利用滑动时间窗口方法将各个离散时间监测点的网络安全态势值构造成部分线性相关的多元回归数据序列,以其做为样本集输入到改进广义回归神经网络加以训练,进而得到网络安全态势预测模型.在改进广义回归神经网络训练过程中,利用粒子群算法...