排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
电力需求同时具有典型的增长性和季节波动性二重趋势,从而显示出复杂的非线性组合特征。为了提高电力需求的预测精度,提出一种新的预测模型——非线性回归组合神经网络模型。该模型有效兼顾了非线性回归分析和人工神经网络的优点,与其他预测模型进行了比较,该模型明显提高了电力需求预测的精度。仿真实验表明了该模型用于电力需求预测的可行性和有效性。同时,该模型也可以作为其他类似季节型时间序列预测建模的有效工具。 相似文献
2.
3.
4.
5.
短期电力负荷数据具有离散、无规则波动的特点,先利用灰色预测弱化其波动性,然后将负荷原始检测数据与其相对应的灰色预测数据进行重构后作为小波网络的训练样本,在此基础上建立基于灰色-小波网络组合模型的短期电力负荷预测新方法。该方法有效整合了灰色理论、小波分析和人工神经网络的优点,与传统BP网络相比,收敛速度更快,预测精度更高。仿真试验表明了该方法用于短期电力负荷预测的可行性和有效性。 相似文献
6.
为提高长江经济带水资源利用效率,促进工业经济增长与水资源协同发展,将水环境污染作为非期望产出,首先基于SBM模型与GML生产率指数测算2005~2015年长江经济带11个省市与上、中、下游3大区域的工业水资源效率与工业水资源全要素生产率,并考察其时空异质性;进而根据工业水资源全要素生产率的分解结果,揭示出各省市工业水资源效率提升的驱动因素;最后,通过构建效率-生产率方阵综合分析各省市水污染防治的优势与不足。结果表明,考察期内,长江经济带工业水资源效率较低,地区差异显著,下游明显优于中上游;技术效率变化和技术进步对全要素生产率提升的影响是负向的,且技术进步是主要障碍;各省市工业水资源绩效呈现"马太效应"特征,落后省市与先进省市之间的差距将拉大。研究成果可为长江经济带发展决策提供参考。 相似文献
1