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。     

物流需求多样性下的区域物流需求预测研究

在区域物流需求多样性的影响下,对于区域物流需求量的影响因素众多,传统的预测方法和模型对于不同产业结构的区域物流需求预测效果有限。对区域物流需求多样性的特征进行了分析,并在此基础上建立了多产业结构下的SVR预测模型,并利用四川省2000年至2010年实际数据对模型进行了预测和研究,预测的结果表明基于区域物流多样性的预测模型比之不考虑区域物流需求差别的预测更为准确。     

人才需求组合预测模型研究

本文建立了人才的组合预测模型，结合国有重点煤矿的实际，对其工程技术人才需求总量进行了预测，结果表明：组合预测模型用于人才预测是可行的。     

中国中长期能源消费发展预测研究

中国是全球最大的能源生产国和消费国,2020年能源消费总量达到49.8×108tce。能源消费发展预测研究是能源经济学的重要组成部分,模型预测及其成果是国家编制能源规划和制定能源政策的基础。进入21世纪以来,中国能源消费预测的数字化、模型化、定量化盛行。通过文献研究,能源消费预测方法和模型可以分为单一方法预测模型和组合方法预测模型。结合中国21世纪前20年能源消费情况,就各类能源消费预测模型的特点及预测结果精度进行分析研究,发现中国中长期能源消费预测的偏差普遍较大,组合方法预测模型优于单一预测方法模型。建议中国中长期能源消费预测应综合运用各种预测方法,以定性和静态的情景分析类预测模式为主,辅以定量和动态的趋势外推类预测方式。采用情景分析法预测,中国2050年能源消费总量为47.79×108tce。     

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。     

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。     

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。     

提高城区电网短期负荷预测准确率的方法

负荷预测是电力系统中的一个重要环节,是电力系统安全、经济、稳定运行的重要保障。针对我国大型城市中心城区负荷易受天气等突变因素影响而出现负荷曲线突变,导致短期负荷预测准确率降低的问题,以及城区负荷具有较明显的时间周期性特点,提出了通过考虑逐时、划分特定区域气象信息建立负荷预测模型,利用数据挖掘技术寻找相似日的方法,为提高短期负荷预测准确率提供一种思路。     

辽宁省水资源需求量预测分析

结合辽宁省水资源需求的总体变化趋势以及社会经济发展用水现状,详细分析了GM(1,1)、Logistic模型理论和参数特征后将上述2种模型有效结合构建了组合预测模型,对辽宁省水资源需求量进行预测分析并对预测结果采用ARIMA模型进行了一级修正;然后根据辽宁省综合节水潜力和节水规划总体目标对预测结果进行二级修正。研究表明:水资源需求量二级修正预测结果能够更加准确、客观地反映区域水资源需求现状,模型表现出较高的准确度与可靠性。     

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。     

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。     

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。     

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。     

在多模型预测基础上进行综合预测探讨

在实际经济预测工作中,为了使预测做到科学、准确、全面、可靠,往往需要使用多个模型同时对某个经济变量进行预测。这样就同时得到了多个不同的预测结果,到底以哪个预测值为准,预测者常常苦心费尽。一般地说,需要在多模型预测的基础上进行综合预测。问题的关键在于怎样建立综合预测模型。本文应用最小二乘法,提出一种比较理想的建立综合预测模型的新方法。     

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。     

进出口总额时间序列的混沌特性分析及其预测

混沌时间序列分析方法为进出口总额这类经济时间序列分析提供了一种新的工具,论文建立了小数据量时间序列混沌特征分析方法和基于径向基函数神经网络的预测模型,并应用到进出口总额时间序列混沌分析和非线性预测,获得了较好的预测效果.     

基于GLUE方法的沈阳市雨洪模型参数不确定性研究

文章通过构建SWMM城市雨洪模型对沈阳市雨洪过程进行了预测模拟,并针对模型参数的不确定性利用GLUE方法进行了分析。研究表明:本文所构建的不确定性预测模型能较好地反映沈阳市在2015—2016年的雨洪实际状况,预测结果与区域实际状况高度吻合;河道与城市管道的曼宁系数是影响研究区域雨洪预测结果的关键因素;对参数不确定性进行分析时可依据敏感性特征并结合GLUE理论进行研究,研究成果可为提高沈阳市雨洪预测分析的准确性提供决策依据和理论支持。     

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。