基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

针对当前城市轨道交通短期起讫点（OD）客流预测存在模型构建工作量大、资源占用量大的特殊性,提出一种基于PCA-Kmeans算法的城市轨道交通短期OD客流预测方法。利用自动售检票（AFC）刷卡交易明细数据构造OD分布比矩阵,通过主成分分析（PCA）进行数据降维,再通过Kmeans算法处理降维后的数据,采用手肘法确定初始聚类数目,开展Kmeans聚类分析;依据聚类分析结果的各簇中心OD分布比及轮盘赌策略分布,以准确度较高的进站客流为OD客流,实现全线网规模的短期OD客流预测。以西南某城市轨道交通数据为研究对象开展实例研究,快速完成了全线网规模的短期OD客流预测,日粒度平均绝对百分比预测误差仅为13.7%,15 min粒度平均绝对误差仅为8.56,印证了该OD客流预测方法具有较高工程应用价值。     

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。     

基于灰色模型的国际能源需求预测

本文在阐述全球能源需求现状的基础上,采用灰色预测法对全球2012～2015年的石油、天然气、煤炭、核能、水电、可再生能源和总的一次能源的需求量进行了预测,并分析了未来全球能源的需求趋势、需求结构和需求增长速度等方面的特点.据此,提出了我国未来能源开发和利用的建议,包括科学开发勘探能源,提高能源利用效率,加大可再生能源的开发和利用,建立能源战略储备和加强国际合作、减少能源消费量等.     

基于支持向量机模型的地铁进站客流量预测

为了更精确地预测短期站点客流量,动态调整城市轨道交通的日常客流方案,采用支持向量机模型对预测地铁客流量。首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、当日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量;然后,构造支持向量机预测模型并运用粒子群算法优化模型(PSO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析;最后,以苏州地铁数据为例,预测汾湖路地铁站的进站客流量。结果表明,优化模型能够有效改善预测误差,预测结果更为准确,证明PSO-SVM方法能有效用于地铁进站客流量的预测研究,为地铁进站客流量预测提供了新的方法。     

基于ARIMA-GRACH模型的现货电价预测

通过建立ARIMA预测模型对现货电价进行预测,并对ARIMA模型存在的异方差问题通过GARCH模型进行修正。实证算例中,采用北欧四国电力市场数据,与ARIMA和灰色GM（1,1）模型进行比较,表明ARIMA—GARCH模型的预测精度更高,预测误差更小。     

基于模型预测控制的迭代学习控制器设计

针对具有非重复性干扰项的重复操作过程,提出了基于模型预测控制的迭代学习控制算法,其中,迭代学习控制器以前馈形式作用于重复过程,算法在时间轴方向基于跟踪误差暂态模型,采用模型预测控制的反馈校正,来抑制当前随机干扰,提高系统的跟踪性能,在重复次序方向利用P-型迭代学习控制克服重复干扰。仿真结果表明了该方法的有效性。     

基于组合模型预测法的出口预测——以深圳市宝安区为例

宝安区是全球重要加工贸易生产基地之一,其电子信息制造产品出口在全国具有十分重要的地位,因而其外贸出口形势可以看作是我国电子信息制造产品出口的晴雨表。本文在比较几种常用的预测方法的特点、优势及劣势的基础上选用一个组合模型来预测深圳市宝安区的外贸出口,并就模型的预测精度和参数的稳定性进行评价,结果表明本文采用的组合模型是一种比较有效的预测方法。     

基于ARIMA-RF组合模型的国内动力煤价格预测

选取秦皇岛港口动力煤价格作为研究对象,搜集10年间煤价数据并分析其影响因素,确定煤炭产量、港口库存、运输成本、火力发电量及社会用电量为主要影响因素;分别建立ARIMA(2,1,2)模型和RF(随机森林)模型并优化,通过加权平均法得到ARIMA和RF模型权重,建立ARIMA-RF组合模型。该模型较深度神经网络模型(DNN)、支持向量回归模型(SVR)、ARIMA模型、RF模型预测的煤价准确度更高,可准确预测动力煤价格走势,为调控能源消费强度、深化能源体制机制改革政策制定提供参考。     

基于灰色BP神经网络模型的电网工程造价预测研究

提高工程造价预测水平是合理确定工程造价、有效控制建设成本、实现工程造价管理精益化的前提,是系统规划决策的基础.精准化工程造价预测对提高电力系统经济性、妥善解决输变电工程“三超”问题、提高投资效率具有重要意义.而电网工程造价的单一性及受多因素影响的复杂性,使得输变电工程造价呈现出多变特性,因而亟需一套能有效提高预测精度的...     

基于T-S模型的一类时滞非线性系统模型预测控制

针对具有状态时滞特性的非线性离散系统,利用线性矩阵不等式的方法和Lyapunov稳定性理论,研究了基于状态反馈的非线性系统模型预测控制问题。基于T-S模糊模型对非线性离散系统进行描述并给出一种"min-max"预测控制算法,采用模型预测控制与模糊理论相结合的方法,利用平行分布补偿的原理,通过在每一个采样时刻优化无穷时域的性能指标,来求解在范数有界条件下相应的状态反馈控制律,讨论了预测控制器的设计问题,分析了此设计问题的可解性,给出了状态反馈控制器基于线性矩阵不等式的设计算法,保证了系统的稳定性,通过仿真实例证明了所提控制算法的有效性及系统的稳定性。该方法能够在化工、冶金、机械等具有时滞特性的工业生产过程中得到很好的应用。     

基于GM(1,1)模型的重庆市城镇化率预测研究

城镇化是推动中国经济持续发展的强劲动力,为有效预测重庆市城镇化率水平,并依据该城镇化率水平对重庆的区域发展做出相应规划。首先应用GM(1,1)模型构建了城镇化率的动态预测模型,然后对该模型的误差检验方法进行了研究,最后应用该模型对重庆市城镇化率的发展趋势进行了预测。研究结果表明,重庆市城镇化率的GM(1,1)模型通过了平均相对误差检验、均方差检验、灰色绝对关联度检验和小误差概率检验,该模型可以用于对重庆市未来城镇化率的预测。同时运用这个模型对重庆市城镇化率进行了预测并得出结论:重庆市城镇化率将以较快速度发展,在2015年达到62%,超过中国平均水平,这也证明了重庆市城镇化率水平比较高,对中国的城镇化发展贡献比较大,应继续保持这个发展速度以推进长江经济带的发展。     

基于人流量视角下的公共建筑碳排放模型与实证研究

为了解决公共建筑碳排放核算类别繁多、结果粗放的难题,通过调研与程式化扎根理论得出影响公共建筑碳排放的关键因素,并依托实地传感测算试验,研究人流量对环境变化的具体作用机理,整合人时变量,构建了适用于公共建筑的动态碳排放核算模型。结果表明：1)编码处理和调研数据的相关性分析结果均显示人流量对公共建筑的能源消耗起到关键作用;2)人流量间接作用于用能系统以及人的自身排放共同组成温室气体的排放增量;3)经验证,研究构建的动态核算模型原始误差为5.36%,修正后误差降至4.807%（小于5%）,与实际运行工况有良好的交互性。研究成果完善了已有公共建筑的碳排放核算边界,构建了动态工况下的核算模型,实现了基于动态人流量变化下的公共建筑碳排放定量描述,为绿色建筑评价体系提供了理论依据与模型基础。