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EEMD-BP的输变电工程造价不确定因素预测

当前对于输变电工程不确定因素的研究集中于不确定因素识别,对其预测研究较少。不确定因素变化呈现出明显的非周期性及非平稳性,常规模型的预测精度较低。鉴于此,本文建立了EEMD-BP模型,将历史数据序列分解为随机分量和呈现明显波动周期的若干趋势分量。对各趋势分量采用BP算法预测,将各分量预测值叠加后得到趋势分量预测结果。对随机分量通过分析其相对于趋势分量的离散度得到其波动范围。综合考虑趋势分量预测值和波动区间得到最终的预测结果。选取PPI的历史数据进行算例分析,验证了方法的有效性,并对未来两个时点进行预测。采用同样方法对包括铜材价格、导线价格在内的其他不确定因素进行了预测。     

基于SVM模型的山东省电力需求预测

基于山东省1985--2008年的有关数据,分析了山东省电力消费的主要影响因素,然后运用最小一最大规范化方法对数据进行规范化处理,并利用相关系数法得到影响山东省电力需求的最优属性集,最后根据SVM原理,选取径向基核函数、线性核函数、多项式核函数3种核函数分别建立山东省电力需求预测模型,并利用平均绝对百分误差、希尔不等系数和均方根误差3种评价指标进行拟合度的检验。预测结果说明：与传统的时间序列拟合法相比,SVM模型在电力需求预测方面精度较高;在进行短期电力需求预测的时候,基于径向基核函数建立的SVM模型表现出很大的优势;而在进行长期电力需求预测的时候,基于多项式核函数建立的SVM模型更为合适。     

基于贝叶斯风险决策理论的研发项目风险评估方法

为提高研发项目风险评估的精度,研究了一种基于贝叶斯风险决策理论的研发项目风险评估方法。该方法通过建立研发项目风险期望函数,将贝叶斯风险值作为测度风险大小的工具,以量化各种风险,并最终建立了一个基于贝叶斯风险决策理论的研发项目模型。实际应用结果表明,该方法有效地评估了研发项目风险大小,提高了风险评估的客观性和准确性。     

基于改进小波神经网络模型的汤河含沙量预测研究

本文引入变量权重系数对小波神经网络进行改进,改善传统小波神经网络模型易出现局部收敛的缺陷,并将改进小波神经网络模型对汤河含沙量进行预测。研究结果表明:改进的小波神经网络模型改进了传统BP神经网络模型存在局部收敛的缺陷,在河流含沙量预测中,模拟的含沙量相对误差符合含沙量预测规范精度,可用于河流含沙量预测。研究成果对于河流含沙量预测提供参考价值。     

一种改进的变权重管网负荷组合预测方法

对管网负荷的准确预测是保证管网经济安全运行的前提，在总结前人大量的管网负荷预测方法的基础上，提出了基于新鲜度函数的模糊变权重组合预测管网负荷的方法。该方法是单模型预测技术的自然推广，通过将新鲜度函数引入组合预测，有效地刻画时间序列的变化趋势，从而实现对模糊自适应变权重组合预测方法的有效改进。改进后的组合预测方法不仅综合利用了各种预测方法的有用信息．而且该最佳组合预测的权系数也是时变的，是一个进一步提高预测精度的方法，该方法具有预测精度高、计算简便的特点。     

基于回归-ELM神经网络模型的滑坡变形及失稳预测模型

为准确预测滑坡的变形趋势,有效预防滑坡灾害的发生,提出了基于变形预测和检验的趋势判断模型。首先,利用回归分析,拟合得到滑坡的变形曲线,再利用组合权值,实现拟合结果的组合,得到滑坡变形的初步预测结果;其次,利用极限学习机(ELM神经网络)对初步预测结果进行误差修正,将修正结果与初步预测结果进行叠加,得到滑坡变形的综合预测值;最后,利用秩相关系数检验与Mann-Kendall检验,对滑坡变形趋势进行判断,以验证预测结果的准确性。经过实例检验得出,预测模型的预测效果较好,其组合预测及误差修正均能不同程度地提高预测精度及稳定性,且两检验模型的结果均与预测结果相符,相互验证了其可靠性。因此,预测模型能对滑坡变形趋势进行综合判断,为滑坡的变形研究提供了一种新的思路。     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

基于灰色模型和最小二乘机原理的区域水资源供需组合预测研究

文章将灰色模型和最小二乘机模型进行组合,并将组合模型用于辽宁西部区域水资源供需预测中。研究结果表明:组合模型可综合考虑不同模型的优点,进行加权组合预测,相比于单一预测模型,组合预测模型在区域水资源供需预测中具有较高的预测精度,预测误差得到明显改善。研究成果对于区域水资源供需预测方法提供参考。     

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。     

多算法组合的河流水质预测方法研究

为了对河流水质在一定时间的变化情况进行准确预测,研究分析了灰色预测方法、广义自回归条件异方差模型,考虑这两种方法的优势和不足,引入离散小波变换对时间序列进行处理,提出了基于3种算法的组合预测方法,给出了该组合预测方法的具体实现过程和算法要求,在Matlab编程实现该组合预测方法。以某河流水质为研究对象,利用该方法预测河流的水质变化情况,并和实际监测结果进行对比,预测结果表明:溶解氧、高锰酸盐指数、氨氮含量均和实测结果接近,吻合度高,平均相对误差较小,说明该组合预测方法可以有效地预测河流水质在未来短时间内的水质变化情况。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

基于Markov-GNNM的煤炭需求量预测模型研究

煤炭资源在我国能源消费总量中仍然占据主导地位,准确预测煤炭的需求量对我国经济发展和产业结构升级有着重大意义,针对传统煤炭需求量预测单一预测方法的缺陷,建立了组合灰色神经网络模型,为进一步提高模型精度,选用马尔科夫模型缩小预测残差范围来修正组合模型,进而建立了Markov—GNNM组合模型,旨在为准确预测煤炭需求量提供模型依据。选取2000—2018年我国煤炭需求量数据进行实证分析,预测结果表明该模型预测精度高,适用于煤炭需求量预测。     

基于改进Copula函数的水库枯期径流预测研究

传统Copula函数在变量概率密度分布函数求解存在精度不高的局限,文章将改进的Copula函数对辽宁某水库枯期径流进行预测,并结合水库实测的枯期径流数据对比分析改进前后Copula函数对水库枯期径流预测的精度影响。研究结果表明:改进的Copula函数水库枯期径流预测值与实测值拟合度明显高于传统的Copula函数,水库枯期径流预测精度得到较大程度提高。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

中国民用汽车保有量的组合预测

本文对中国民用汽车保有量进行了中短期的预测.文章基于组合预测误差平方和最小的条件.将指数平滑法和BP神经网络有机结合,从而提高了预测的精度和稳定性.并通过对中国民用汽车保有量的组合预测结果的分析,提出有利于中国汽车产业发展的政策建议.     

基于贝叶斯网的生态工业园环境影响因子的分析方法研究

本文提出了一种基于贝叶斯网的生态工业园环境影响因子的分析方法.将生态工业因的各环境影响因子作为贝叶斯网的变量,利用贝叶斯网对生态工业因的各环境影响因子之间的关系进行建模,从而对各指标进行分析和预测,指导工业生态园的整体决策.并对某实际工业园区进行仿真实验,从建立的贝叶斯网模型中发现,把园区现有的副产品、废物进行利用后可以有效地减少最终废物的排放,但随着企业的建立带来的活动强度的增加而导致污染的增加.     

2种风电功率预测模型的比较

采用ARMA模型对风电功率进行了预测,并由ARMA方程推导出卡尔曼滤波状态方程和测量方程,从而将预测问题转化到状态空间,并利用卡尔曼滤波法预测了风电功率,比较了2种方法的预测效果。实例表明,卡尔曼滤波法能够提高风电功率的预测精度,并在一定程度上解决了时间序列分析法的预测时延问题,对电力系统的安全、稳定、经济运行以及提高运行效益具有重要意义。     

灰色证券系统证券价格趋势模型的建立与分析

针对在非安全信息下的证券价格变动情况,将灰色系统理论首次引入证券价格趋势分析;利用灰色系统理论和关联度分析,建立能进一步准确反映证券价格动态过程发展态势的量化模型;通过模型,对证券价格变动趋势进行预测研究,建立灰色GM模型,并针对上海证券交易所某个时间段进行实证模型建立、分析及精度检验,取得了满意的结果。     

基于Logistic组合模型的中国民用汽车保有量预测

经济的发展和人民生活水平的提高使我国民用汽车保有量急速上升,同时导致公共设施和能源供应等矛盾凸显。客观、准确的未来中国汽车保有量预测是解决上述问题的前提。本文以传统Lo-gistic模型为基础,借鉴灰色理论累加生成数据处理方法和级差格式,对预测参数进行估计,同时将模型中扩散速度函数化,并建立以误差标准差为权重的民用汽车保有量的Logistic组合预测模型。该模型能很好地避免传统预测模型中预测参数主观化,预测环境常态化的缺点,使模型能够客观、动态地反映未来中国汽车保有量的扩散趋势。最后结合中国历年民用汽车历史数据,对未来十年中国民用汽车保有量进行预测。预测结果表明:未来十年中国的民用汽车保有量还将快速增长,到2020年中国民用汽车保量将超过2.3亿辆。