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.     

基于神经网络的一种组合预测的构建与应用

以长春一汽集团的汽车生产总量为研究对象,分别构建了回归分析、灰色预测和神经网络三个预测模型,并在此基础之上,借助神经网络对三个模型进行了组合,构造了一种新的组合预测模型.通过对几种模型的分析比较,得出这种组合预测具有很高的预测精度.而且,预测表明组合模型比单一模型的预测更加稳健.     

基于安全协议操作语义模型的组合协议分析及验证

协议的可组合性问题是安全协议形式化分析及验证领域的一个公开问题,通过提出采用安全协议的操作语义模型对组合协议进行形式分析和验证,建立了Yahalom和Denning-Sacco组合协议的操作语义模型,并用基于操作语义模型的自动化验证工具Scyther验证了其安全性,发现了一个针对Yahalom协议机密性的组合攻击.结果表明,操作语义模型是分析与验证组合协议的一种可行方法.     

高速铁路软土路基沉降预测

通过实测资料分析了高速铁路堆载预压软土路基沉降规律,其沉降发展过程可分为填筑阶段—恒载阶段—堆载预压阶段—卸载阶段,沉降曲线与S形成长曲线类似.利用最小二乘法,以组合模型的误差平方和最小为目标函数来确定最优加权系数,建立了加权组合预测模型.采用Origin软件分别拟合Gompertz曲线和Logistic曲线,基于组合模型思想求得加权系数,进而求得组合模型预测值.研究结果表明,加权组合模型能吸收不同单一预测模型的优点,其预测精度比单一模型更高.     

基于灰色多元线性回归组合模型的中国社会消费品零售总额影响因素及预测研究

影响中国社会消费品零售总额因素众多,但研究社会消费品零售总额组合模型尚属空白领域.通过Shapley值法构建灰色多元线性回归组合模型改善了原有灰色模型中没有考虑线性因素和线性回归模型中没有考虑指数增长趋势的缺陷,同时能公平反应组合中各种方法对组合的平均贡献及重要性.灰色多元线性回归组合模型对社会消费品零售总额预测结果显...     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

回归模型应用的发展综述

在回归模型研究与应用中,非正态分布假设、非线性回归模型与组合模型建模是重要的研究问题.首先针对非线性建模,引入压缩函数,提出了一种非线性回归建模方法;其次针对单个模型的局限性,引入线性回归与时间序列模型组合,提出了一种组合加法模型的建模方法;最后针对非正态分布假设建模,利用随机变量和分布,提出了一种基于非正态分布的和模型,为非线性回归、组合模型与非正态分布假设建模提供了新的方法.     

组合导航软件可靠性的评估

在大规模导航软件系统中,软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数.介绍了组合导航软件的评估方法和步骤,着重介绍了 JM 模型和 G-O 模型,并提出了神经网络评估软件可靠性的具体方法.对组合导航软件的特点及测试方法进行了讨论.根据软件模块测试报告,分别用 JM 模型、G-O 模型和神经网络对软件模块的缺陷数进行预测,并给出了组合导航软件3种模型的评估质量的比较.结果表明:神经网络方法优于传统模型方法.     

NGA数据库的多圆组合地震动衰减模型

为系统分析多圆组合地震动衰减关系模型的可靠性,在应用汶川地震的地震动衰减关系验证该模型合理性的基础上,本文结合NGA(新一代地震动衰减模型)项目的强大数据库,讨论了多圆组合模型中子断层的划分规则和子源震中距的求法.拟合出了NGA数据库的多圆组合地震动衰减关系,并分别讨论了断层类型,上、下盘效应,覆盖层厚度对拟合地震动的影响;比较了多圆组合模型与NGA模型(BA08)的回归结果,并讨论了两者之间存在差距的原因.结果表明,多圆组合模型对NGA数据库地震动的拟合结果比较理想.多圆组合模型形式简单,拟合精度较高,并具有一定的理论依据,通过本课题的研究,为其进一步的发展奠定了基础.     

基于Shapley值的中国电力需求组合预测模型

针对中国1997~2013年的电力消费量,采用3次指数平滑模型和ARIMA模型分别进行了建模与拟合分析,通过合作对策理论中的Shapley值法求解了两模型所占权重,从而构建了所需组合模型,并用该组合模型预测了2015年和2016年的中国电力需求量.实例结果表明,组合模型有着更高的拟合精度,拟合相对误差平均值仅为1.52%.