民用汽车保有量的灰色预测模型研究

一、灰色数列预测模型建立 灰色预测指以GM(1,1)模型为基础所进行的预测。灰色模型有五种:(1)数列预测;(2)灾变与异常值预测;(3)季节灾变与季节异常值预测;(4)拓扑预测;(5)系统预测。本文对汽车保有量的预测采用灰色数列预测。 本文对传统的GM(1,1)模型的建立过程进行了改造,用线性回归来建立GM(1,1)模型,用显著性检验方法代替关联度和后验着进行精度检验和参数识别。     

基于SARIMA-SVR组合模型的 空气质量指数预测

空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri386 3.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

中国碳排放的组合预测与减排缺口分析

预测我国碳排放量的变动趋势,对国家进行宏观经济管理和碳减排工作具有重要的参考价值。（1）利用中国1997～2011年碳排放数据,分别采用三次指数平滑模型、灰色模型、二次指数模型建立中国碳排放的单项预测模型;（2）采用标准差法进行非负权重分配,建立了中国碳排放的组合预测模型,结果表明,组合预测模型的精度高于单项预测模型。（3）应用该组合模型对中国2014～2026年的中国碳排放量。预测表明,中国碳排放存在较大的减排缺口,碳减排需要从优化产业结构、优化能源消费结构和改善能源利用效率上进行。     

基于长短期记忆网络的轨道交通短期OD客流量预测

为了更准确地掌握轨道交通客流在线网中的时空分布,更高效地匹配客流需求与运输能力,实现提高轨道交通运输效率、改善运营服务质量的目的,提出了一种基于长短期记忆网络的短期OD(交通起止点)客流量预测方法。以历史客流数据为基础,定性分析车站间OD客流量的时空相关性,利用回归分析法定量分析客流影响因素,筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度,以长短期记忆网络为基础,结合时间特征,为每对起讫点单独构建预测模型,形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证,结果表明,加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基于LSTM网络的短期OD客流量预测模型,预测结果与真实值之间的误差降低了6.27%～8.58%,所提出的方法和模型可为轨道交通运营部门制定列车运行计划、组织客运工作提供更准确的数据资料。     

神经网络模型在降雨中长期预报中的应用比较

为得出降雨中长期预报的标准模型,基于RBF神经网络模型和BP神经网络模型,通过遗传算法优化模型,引进全球绩效指标GPI指数综合比较各模型的计算精度,结果表明:在长期降雨预报中,4个模型的计算精度明显提高,精度由高到低依次为GA-RBF模型-GA-BP模型-RBF模型-BP模型; GA-RBF模型在降雨中长期预报中的GPI值分别达到了0. 47和0. 63,表明该模型可作为降雨中长期预报标准模型使用。     

特高含水水驱油田操作成本组合预测方法研究

操作成本作为油田生产过程中的主要组成部分,直接影响着油田的开发效益.为了不断降低操作成本以提高经济收益,以特高含水水驱油田为研究背景,通过该类油田操作成本的相关影响因素建立基于多重因素的两种预测模型——线性回归预测模型和非线性误差反传(BP)神经网络预测模型,最后利用组合预测法,将这两种预测模型组合在一起,以提高预测模型的有效性和可操作性,为特高含水水驱油田控制成本提供科学合理的依据.     

基于小波变换和贝叶斯证据推断框架下的LS—SVM短期风速预测

基于小波的多分辨率分析,针对风速序列拟周期性、非平稳性及非线性等特点,将风速序列按不同频率进行分解,对分解后的原始风速信号分别建立不同的预测模型;各个模型的最佳参数由贝叶斯证据3层推断得出,用以建立基于小波和贝叶斯证据推断框架下的最小二乘支持向量机（LS-SVM）回归短期风速预测模型。应用该模型对东北某风电场的风速进行了提前1h的预测,预测的平均绝对百分比误差为7．63％,提高了预测精度。预测结果表明：基于贝叶斯证据推断框架下的LS—SVM和小波分析相结合的短期风速预测模型是一种有效、可行的风速预测模型,可为风力发电功率的预测提供一定的理论支持。     

基于遗传算法优化ELM模型的小型水利工程沉降预测研究

为找出适用于小型水利工程沉降预测的标准方法,本文基于遗传算法GA优化极限学习机ELM模型、3种不同的ELM激活函数,得到6种计算模型,并根据输入地下水动态、降水量、气温和土质变化情况4项指标的2种输入组合形式,共计12种模型输入,得出最优沉降预测模型,结果表明:GA-ELM_(sin)模型表现出了较高的精度,同时遗传算法可提高ELM模型计算精度,地下水动态是影响沉降的主要因素。     

基于灰色线性回归组合模型的物流需求预测研究

灰色线性回归组合模型是在GM(1,1)模型和线性回归模型基础上建立的一种隐型灰色组合模型,考虑到该模型在泛化能力方面存在不稳定现象,本文借鉴灰色线性回归组合模型的建模思想,提出了一种相应的改进算法,并通过实例对其进行了验证.最后,本文以改进模型对福建省未来几年的物流需求进行了预测.     

我国建筑业劳动力供需预测研究

构建了建筑业劳动力供给量估算模型,采用粒子群-新陈代谢灰色预测模型(PSO-MGM)预测建筑业劳动力的进入率和退出率,在此基础上估计建筑业劳动力的供给量.以不变价建筑业增加值和动力装备率为自变量,构建多元线性回归模型预测建筑业劳动力需求量.分别模拟建筑业稳定发展和持续进步两种情景下建筑业劳动力的供给量和需求量.结果发现在建筑业持续进步的情景下,劳动力供需达到动态平衡.根据仿真结果,分别从建筑业劳动力的供给端和需求端,提出了相应建议.     

全球稀土消费预测模型研究

为了准确把握全球稀土消费变化,本文在分析单整自回归移动平均(ARIMA)模型与非线性灰色伯努利(NGBM)模型特点的基础上,采用粒子群优化算法(PSO)对非线性灰色伯努利模型的参数进行了优选,建立了ARIMA耦合PSO-NGBM的全球稀土消费的时间序列预测模型。该模型将全球稀土消费时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用PSO-NGBM模型对其非线性残差进行估计,最终合成为整个序列的预测结果。预测结果表明,耦合模型的预测准确率显著高于单一的ARIMA模型的预测准确率,从而证实了耦合模型用于全球稀土消费预测的有效性。     

灰色神经网络模型应用于证券短期预测研究

证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性,在灰色GM(1,1)预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验,结果表明了该方法具有很高的精确度及广泛的应用前景。     

基于随机森林算法的陈垓灌区降水量预测模型

地区降雨量在短时间内的突然增大一般会导致不同程度的洪涝灾害,高效、精准地进行降雨量预测成为当下研究的热点问题。文章基于陈垓灌区梁山水文站实测降雨资料建立了基于随机森林的降水量预测模型,所建预测模型的各项指标均优于传统预测模型,可以高效、精准地预测该区域的降水量。     

多变量飞行控制系统的直接模型参考自适应控制器

本文研究了线性多变量系统直接模型参考自适应控制(DMRAC)问题。本文提出了一种带有“加速因子”的自适应控制算法,并利用 Lyapunov 函数分析了其稳定性。该算法可以保证受控对象输出跟随参考模型输出而无需进行参数辩别与状态滤波,也不要求系统满足完全模型跟随条件,因而在实现上十分方便。运用此法对用于某型飞机的自适应飞机控制系统进行设计,获得满意效果。     

上市公司财务困境预测模型的实证研究:比较与优化

以被特别处理作为上市公司陷入财务困境的标志,本文对多元判别分析和多元逻辑回归分析进行了比较,发现多元逻辑回归分析总体上要优于多元判别分析。在此基础上,利用泰勒展开式的结论,在逻辑回归模型中引入变量的二次幂项和交叉项,结果发现预测模型的准确性和稳定性都得到了提高。     

基于支持向量机的大坝基础注浆量预测模型研究

大坝基础注浆工程中注浆量是影响基础防渗幕体的抗渗透能力与耐久性的最主要的因素。文章基于支持向量机的回归算法,构建大坝注浆基础注浆量预测模型。以江西省某水库大坝基础注浆工程为例,对该预测模型进行验证,结果表明:预测模型应用在该工程中,取样检测点相对误差最大值达到4. 67%,但绝大部分样本序号点相对误差值均在3%以下;进一步求解相对均方误差以及预测准确率,得出相对均方误差s1=3. 43%,预测准确率s2=95. 28%。根据相对均方误差和预测准确率的预测模型等级评价标准,模型评价等级优秀。     

基于组合预测模型的工业增加值中长期预测方法研究

工业增加值的准确预测已日益受到人们的关注.在这篇论文里,首先考虑运用相似复合体模型进行建模,然后运用具有最优停止法则的GMDH自回归方法和非线性的SPSS曲线估计方法建立单一模型.最后,用基于误差平方和最小的多元线性回归模型方法对各种单一模型的预测值进行组合,得到最优模型.通过实证研究可以发现,在中长期的工业增加值预测中,组合预测模型取得了较为满意的效果.     

基于数据挖掘的生产技改项目投资预测研究

随着我国经济社会不断进步和生产能力迅速发展，电网技改工程项目数量日益增加，技改项目种类日益多样，管理难度也逐渐增大，提升其造价预测的准确性对于提升电网企业的经济效益和社会效益具有重要作用。工程项目投资预测目前主要采用传统预测模型，传统预测模型存在精度不高、容易出现过拟合现象等问题。而随机森林算法的整体性能突出，预测效果较好。文章基于实际工程数据，构建基于随机森林算法的生产技改投资预测模型，用以预测项目的投资情况，并将其预测性能与线性回归模型和SVM模型进行对比。结果表明，当预测范围在训练集样本范围内时，基于随机森林算法的生产技改投资预测模型的预测精度较高，稳定性较好，为生产技改投资预测提供了一种新途径。     

面向智能控制湿法脱硫系统的动态建模

针对燃煤电厂湿式石灰石—石膏湿法烟气脱硫过程中控制环节精度较低的问题,建立精确的机理模型以及预测模型实现对脱硫过程中长时滞、非线性、多变量等复杂特性的最优控制,结合数据可视化技术揭示的内部趋势实现对电厂参数的针对性控制。基于电厂8826组实际运行数据,通过随机森林树模型以及矩阵模型对参数重要性以及相关性进行分析,采用多元线性回归分析建立机理模型以及XGBoost建立预测模型。结果表明,机理模型和预测模型相结合的预测精度较高,可以为电厂优化控制系统提高脱硫效率提供理论基础。