基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法。通过建立融合局部特征预提取模块的LSTM（long short term memory）网络结构,并将其与XGBoost（eXtreme boosting system）预测模型并行结合,之后结合MAPE-RW（mean absolute percentage error-reciprocal weight）算法进行模型融合初始权重设置,对最佳权重进行搜索,构建最佳融合模型。通过运用电力负荷数据对所提方法进行预测实验,结果表明CNN-LSTM- XGBoost模型的MAPE（mean absolute percentage error）与RMSE（root mean square error）分别为0.377%与148.419 MW,相比于单一网络模型与融合模型结构实现了误差指标的显著降低,验证了基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法具有较快的模型训练速度、较高的预测准确度与较低的预测误差。     

负荷功率模型的最优特征选择研究

负荷功率呈现时空多样的变化特性,其影响因素众多,构建负荷功率模型的关键之一是确定模型的输入特征量。文中着重研究短期负荷功率模型的特征选择,旨在从历史负荷、气象、日期等众多特征中选出最优特征集。首先,采用最大信息系数、基于支持向量机的递归特征消除法和随机森林3种不同特征选择方法分别对输入特征集进行选择;然后,根据对比分析结果提出基于遗传算法的最优特征集搜索策略,选定XGBoost预测模型的误差指标作为适应性函数进行迭代优化搜索;最终,确定负荷功率模型的最优特征输入集。采用某地区220 kV变电站母线负荷数据进行算例分析,对比各方法所选特征集作为功率模型输入得到的负荷预测效果,验证了文中方法的有效性和准确性。     

机械加工工艺过程质量控制模型的研究

提出一种基于误差传递思想和灰色预测理论的质量控制的误差模型。在工艺设计中利用该模型合理制定工序公差可以提高工序的工艺能力，从而提高零件的成品合格率。在加工过程中利用误差模型预测6δ值变化并根据各工序的工艺能力的动态变化来适时地动态调整工序公差，以提高工艺过程成品合格率，从而为CIMS的质量控制提供一种手段。     

水利工程施工应急能力G1-灰色评价方法研究

为有效加强水利工程应急能力建设,采用G1-灰色综合评价法对水利工程应急能力进行了综合评价研究。在水利工程施工特点和应急管理研究基础上,建立应急能力评价指标体系。通过采用G1法分析各应急能力评价指标相互关系,确定了指标权重。引入灰色理论将样本信息处理成灰色评价矩阵,并结合指标权重进行单值化处理得到应急能力综合评价值和评价等级。研究结果表明,搜救抢险能力、应急资源调配能力和应急决策指挥能力对于水利工程应急能力建设起到最主要的作用。该评价方法不仅可揭示指标重要程度关系,还能有效量化和评价水利工程项目综合应急水平,具有较好的实用性。     

Time series forecasting by neural networks: A knee point-based multiobjective evolutionary algorithm approach

In this paper, we investigate the problem of time series forecasting using single hidden layer feedforward neural networks (SLFNs), which is optimized via multiobjective evolutionary algorithms. By utilizing the adaptive differential evolution (JADE) and the knee point strategy, a nondominated sorting adaptive differential evolution (NSJADE) and its improved version knee point-based NSJADE (KP-NSJADE) are developed for optimizing SLFNs. JADE aiming at refining the search area is introduced in nondominated sorting genetic algorithm II (NSGA-II). The presented NSJADE shows superiority on multimodal problems when compared with NSGA-II. Then NSJADE is applied to train SLFNs for time series forecasting. It is revealed that individuals with better forecasting performance in the whole population gather around the knee point. Therefore, KP-NSJADE is proposed to explore the neighborhood of the knee point in the objective space. And the simulation results of eight popular time series databases illustrate the effectiveness of our proposed algorithm in comparison with several popular algorithms.     

粉煤灰掺量及颗粒群分布与水泥浆体流变性的关系研究

研究了原状粉煤灰与磨细粉煤灰不同掺量和不同颗粒群分布与水泥浆流变性能的相互关系。结果发现:原状粉煤灰加入水泥后具有降低水泥浆的粘度与屈服值的作用,且随粉煤灰细度及掺量的增加而更明显;磨细粉煤灰加入水泥后具有提高水泥浆的粘度与屈服值的效应,且随粉煤灰细度及掺量的增加而更突出。用灰色关联分析原理证实了原状灰<10μm的颗粒含量与水泥浆的流变性呈负关联,即对改善水泥的流动性是有益的;而磨细灰<10μm的颗粒含量与水泥浆的流变性呈正关联,即对提高水泥的流动性是不利的。     

A RANDOM PARAMETER PROCESS FOR MODELING AND FORECASTING TIME SERIES

Abstract. A generalized autoregressive (GAR) process {Z ( t ) ; t = 0 , ±1, …} is defined to satisfy the recurrence relation Z(t) = A_θ (t)Z (t -l)+ u( t ), where {A_θ(t); t = 0,±1, …} is itself a stochastic process depending on a vector parameter θ and where {u( t ); t = 0, ±1, …} is white noise with Eu ² ( t ) = a ². This paper develops theory and methodology and implementing the class of GAR processes for time series modeling and forecasting. Conditions on the 'parameter process' { A _θ ( t ); t = 0, ±1, …} are obtained for the existence of a GAR process; necessary and sufficient conditions on { A_θ ( t ) ; t = 0, ±1, …} for existence of a stationary GAR process are also obtained. Procedures are developed for computing maximum likelihood estimates of the parameters 0 and u² and for computing the minimum mean squared error forecasts for GAR processes.     

灰色—支持向量机的空调负荷预测

对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。     

模拟在财务预测、决策中的应用

阐述了模拟在财务预算、决策中的应用及其优越性，结合模拟软件进行了案例分析。     

高职学生综合素质测评的灰色系统建模研究

给出了学生综合素质测评的灰色系统模型,并通过实例应用,表明这种方法简单易行,在高职学生的综合素质测评中能较为科学、准确地得出结果,对高职学生素质总体评价的研究进行了探索。