中长期电力负荷变权重组合预测模型应用分析

针对电力负荷变权组合预测中权重难以确定,本文引入了模糊变权重组合预测模型,该模型利用预测误差绝对平均值、预测误差绝对累加来确定各单项预测模型的权重,引入“近大远小”策略、冗余检验原则,实现组合预测模型筛选。应用结果分析表明,变权重组合预测模型在中长期电力负荷预测结果的精度较高,实用性较好。     

变权组合模型在货运量预测中的应用

文章采用变权组合模型对货运量进行预测.首先阐述了变权组合预测模型的基本原理,构建出以每个样本点处误差绝对值最小为原则的变权组合模型,并对求解过程进行一些改进;然后分别选择单项模型、定权组合预测模型以及变权组合预测模型预测上海市2002～2013年货运量,再对变权组合预测模型的预测精度进行检验;最后运用该模型预测上海市未来5年货运量.     

非负权重组合预测模型优化方法研究

一、引言 据不完全统计,目前已有预测方法近200种,然而每一个预测模型的假设条件不一样,一旦预测对象以及预测对象所处的环境发生了变化,一些模型的假设前提就不再成立,模型的性能将会变得很差。为了有效地利用各种预测方法所提供的信息,1969年,J.N.Bates和C.W.J.Granger首次提出了组合预测的理论和方法,将不同的预测方法进行组合,形成组合预测方法以求产生较好的预测效果。     

组合预测法在中长期电力负荷预测中的研究与应用

电力系统中长期负荷预测是电力系统规划和运行研究的重要内容[1],它是保证电力系统可靠和经济运行的前提,同时也是电网规划建设的依据和基础。线性回归模型、指数平滑模型、灰色模型是常用的单模型中长期负荷预测方法,组合预测法是运用这三种方法的组合,通过运用最优权重系数方法来确定各个模型的权重,使预测的精度更高,误差更小。     

几种正权重组合预测方法预测误差平方和上界的比较

引言 组合预测已引起广泛的研究重视。文献研究了最优组合预测的计算方法。虽然最优组合预测方法能达到预测误差平方和的最小值,但却不能保证各单项预测方法组合权重的非负性。由于负权重是否可以接受的问题一直存在争议,因此,当最优组合出现负权重时,有必要研究非最优的正权重组合预测方法。对于现已提出的几种正     

最优组合预测在四川省人才需求预测中的应用

本文依据相关资料数据,构建灰色GM(1,1)模型和二元线性回归模型,分别对四川省2005-2015年从业人才需求进行预测,然后使用二模型最优组合预测对预测结果进行修正。在此基础上,提出了实现预测目标的策略建议,为四川省人才培养决策提供参考。     

汇率预测:一个新的非参数支持向量回归方法

本文利用一个新的非参数支持向量回归(SVR)方法来预测基于非线性ARI模型的汇率时序变量,并且与最大似然法(MLE)和人工神经网络(ANN)的预测结果进行比较。从理论上讲,MLE和ANN方法仅侧重于样本内拟合,而SVR方法则同时考虑了拟合和预测,因此,其预测能力在现有方法中是最强大的。本文选择中国、韩国、印度和瑞士四种货币的日汇率来进行预测检验,实证结果支持SVR方法具有最强的预测能力。     

基于遗传算法的BP神经网络在汇率预测中的应用研究

本文针对经典的BP神经网络所存在的缺陷，结合遗传算法，提出了基于实数编码的GA-BP神经网络预测人民币美元汇率的模型。在结合递归预测方法的基础上，该模型取得了令人满意的结果。     

基于一种二次组合赋权的高校财务风险评价指标权重计量

近年来我国大多数高校负债运营,财务风险日益凸显,高校财务风险的评价也越来越受到重视,高校财务风险评价指标权重计量作为评价体系中的核心部分,其指标权重的赋值不仅要有科学性,更要求准确性,本文创造性地提出了一种基于层次分析法和熵值法二次组合的高校财务风险评价指标权重的计算方法,很好地满足了指标权重的可信度和有效度。     

自组织组合预测方法及其应用

本文基于自组织数据挖掘的理论与方法，提出了自组织组合预测法，与一些常见的组合预测方法比较，该方法不仅改善了对数据样本的拟合精度，而且显著提高了模型的预测能力。实证分析证实了这一结论。     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

组合预测法在贵州省物流人才需求预测中的应用

根据贵州省经济发展速度与目标,从物流总体发展的现状出发,以2005 ～2009年贵州省物流货物周转量、从业人员数为参考依据,利用组合模型,对未来7年内的贵州省物流人才需求量进行预测,并进行深度分析.     

组合预测方法研究综述

相较于传统预测方法,组合预测在预测精度以及信息的利用上得到了很大的提高。文章将组合预测分为了线性与非线性两类,总结了5种主要的组合预测模型以及各种组合系数的计算方法,分析了组合预测未来的发展趋势。     

组合负荷预测方法综述

电力系统负荷具有很多不确定因素,针对单一模型进行负荷预测时,预测精度不高这一问题,可采用组合预测法将多种预测方法所得的预测值进行加权平均而得到最终预测结果,以满足现代电力对负荷预测结果的准确性、快速性和智能化的要求。该文首先简要介绍了几种常用的负荷预测方法,接着详细介绍了组合负荷预测的研究现状及确定组合预测中各模型最优权重的几种方法,最后介绍了组合负荷预测模型的误差修正方法,对提高负荷预测的准确性有一定的现实意义。     

组合预测在上市公司财务预警中的应用

在Logistic模型和BP神经网络两种单一预测模型的基础上,将Logistic模型输出的违约概率引入到BP神经网络中,从而构建一种非线性组合预测模型,并将其应用于上市公司财务预警.实证结果表明,该组合预测模型能有效提高预测精度.具有良好的应用前景.     

基于组合权重的成长期创业企业价值评估方法

构建了一套成长期创业企业潜在价值评估指标体系,运用层次分析法(AHP)、熵值法分别确定了主观和客观权重,然后通过乘法合成的归一化处理得出组合权重,从而尽可能地消除了权重确定时的主观随意性和局限性。建立了基于欧式贴近度的模糊物元评估模型,经过案例分析证明了该方法的有效性。     

组合预测模型在武汉港集装箱吞吐量预测中的应用

为使港口集装箱吞吐量预测的误差更小,精度更高,提出运用弹性系数法、灰色模型法、三次指数平滑法的组合预测模型,预测了武汉港未来特征年的集装箱吞吐量,研究结果表明,组合模型相比单一预测方法能够降低误差、提高精度,预测结果更加理想。     

赫斯特指数及其在汇率波动分析中的应用

本文通过对汇率波动时间序列中赫斯特指数H的计算，阐明汇率时间序列信息的相关性程度，分析系统的动态性、持久性，从而对汇率波动的预湖提供更为可靠的依据。     

基于小波神经网络的非线性组合预测方法及其应用研究

文章提出了基于小波神经网络的非线性组合预测方法,给出了其具体组合预测原理及具体学习算法,并将其用于国际原油期货价格数据的预测。国际原油期货价格数据的预测结果表明:基于小波神经网络的组合预测方法得到了比单一预测方法都要好的预测结果,有较好的应用前景。