基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

基于时变权重的区间时间序列组合预测模型构造

时变权重组合预测模型可以有效反映各预测方法在各时刻点上的预测值对组合预测结果的影响,并可以提高预测精度,基于此,针对区间数时间序列构造组合预测模型的问题,提出一类构造区间数时变权重方法;该方法主要是在3种实数的时变权重求解方法基础上构造相应的3种区间数时变权重,并利用所得出的时变权重构造区间时间序列组合预测模型;为验证该模型的准确性,应用具体算例对模型加以实现,并通过区间预测误差度量指标验证该类模型的预测结果;结果发现:基于3种时变权重求解方法下的区间时间序列组合预测模型均优于各单个方法的预测结果,且基于最优化赋权法得到的时变权重区间组合预测结果的精确度较另外两种有所提高。     

基于S型增长曲线组合预测模型的滑坡变形预测研究

为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。     

最优权组合模型在季冻区公路软基工后沉降中的应用

为研究最优权组合预测模型在季冻区公路软基沉降预测中的适用性,选取国道332线拉哈段(拉布大林至哈达图)一级公路的典型断面,采用分层沉降仪进行沉降监测,通过沉降管上磁环位置的移动来反映路基沉降变化。根据一年的沉降实测资料,利用MATLAB对原始非线性数据进行三次样条插值处理,基于最优权权重法将灰色GM(1,1)及二次曲线模型进行组合,对地基的远期沉降进行预测,将预测结果与实测资料进行对比,探究该模型的适用性,同时基于季冻区气候特点,选取适合高寒地区路基监测的合理时距。研究表明：最优权权重组合模型的预测效果与样本数密切相关,适当增加建立模型的样本数亦可显著提高预测精度;在考虑区域气候条件下,适当减少冬季及沉降速率较慢的月份的样本数量,增加在沉降初期及冻融前后的样本数量可以有效提高模型的预测效果;研究成果表明本文的最优权组合预测模型可以较好的预测季冻区公路远期沉降,为类似工程的沉降预测提供参考。     

基于多准则的组合预测模型权重研究及其应用

针对传统组合预测模型大多是通过建立单一准则方程进行优化,而没有更好地考虑各单一模型之间互支持信息带来的不确定性问题,建立基于多准则的组合预测模型权重确定算法。首先,通过建立区间数模型构建样本区间距离并进行相关折算归一化生成样本的基本概率分布BPA(basic probability assignment),作为单一预测模型的初级权重;然后,通过对D-S证据理论进行改进,建立证据可信度、证据精度和证据自冲突系数3个准则分别用于评价单一模型自身精度及其之间互相支持信息,通过对3个准则排序得到综合排序值作为单一模型初级权重的权重调整系数;最后,综合多时刻数据归一化后确定单一模型的最终权重用于组合预测。研究结果表明:经过权重调整后的组合预测精度得到显著提高,且经过调整系数R调整后的不变权组合预测模型最优。     

城轨车辆门密封胶条寿命多模型组合预测

针对城轨车辆门密封胶条提前更换而导致未全寿命使用的问题,对密封胶条寿命进行多模型组合预测,为密封胶条维护提供寿命指标.基于密封胶条样本的拉断伸长率检测数据,构建单项预测模型,用最优权数法进行组合预测;提出一种权数变换方法解决最优权数法计算权数为负值的问题;以平均绝对误差率作为模型精度评价指标,单项预测模型精度分别为1.82%～13.41%,最优权数改进方法构建的组合模型精度范围为1.82%～3.14%,组合模型精度显著提高.由组合模型预测得到密封胶条使用寿命为172个月.     

一种基于专家理性预期的组合预测方法及应用

将多个单预测模型进行组合,是提高预测精度的有效途径.由专家理性预期对待选用的单预测模型从模型拟合、方法应用复杂性、适应性和时效性方面进行多指标综合评价,在此基础上,构建组合权重系数,给出了具有主客观信息集成特征的组合预测方法,将组合预测模型与单预测模型进行分析对比,对我国民用汽车的保有量进行了预测并给出了预测效果分析.模型预测效果分析显示,具有主客观信息集成特征的组合预测模型比单预测模型具有更强的适应性,预测精度大幅提高.     

基于L_p范数的加权几何平均组合预测

组合预测模型的参数估计方法大都是在预测误差平方和最小准则之下建立的.针对误差平方和最小准则存在的不足,提出一种基于L_p范数的加权几何平均组合预测模型,并给出寻找最优L_p范数的蚁群算法.实例分析表明,该模型给出的组合预测方法为优性组合预测,从而证明了该模型的有效性.     

加权组合模型在城市用水量预测中的应用

鉴于传统灰色模型在建模中存在固有偏差的问题,本文采用无偏灰色GM(1,1)预测模型.在无偏灰色预测模型表达式的基础上,又提出了非线性的预测模型,并将其用于城市的用水量预测上.考虑到单一预测模型在预测过程中存在的不足,用最优加权组合模型对无偏灰色GM(1,1)模型和非线性模型进行组合,并将加权组合模型首次用于遂宁市的城市用水量预测.预测结果表明,组合模型的预测精度优于单一的预测模型,预测结果与城市的实际用水量拟合较好,该方法可推广到其它类似城市的用水量预测中.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

基于两级信息融合的隧道掘进机拆装装置作业安全预警模型

为了能对隧道掘进机（TBM）拆装装置作业时的安全做出有效预警,通过研究两级信息融合建立最优的安全预警模型,为TBM拆装装置吊装作业提供安全保障。一级融合将数据通过层次分析法-熵权法算法融合得出安全状态系数;二级融合建立灰色（GM）、差分自回归移动平均（ARIMA）、长短期记忆网络(LSTM)预测模型,通过三个单项预测模型构建4个简单平均组合模型和4个最优加权组合模型,对拆装装置作业时的安全状态系数进行预测分析,通过R、MAE、MAPE、RMSE四个评价指标以及后期预测数据的相对误差对预测模型精度进行比较,选出最优组合模型。结果表明：①最优加权组合模型的评价指标、后期数据相对误差、模型拟合效果明显优于单项与简单平均模型;②通过两级信息融合,构建了权重为（0.21,0.10,0.69）的TBM拆装装置作业时的最优加权组合预警模型GM-ARIMA-LSTM。可见创建的二级信息融合安全预警模型在TBM拆装装置作业时能有效判断装置的安全状态,对危险作出及时预警。     

组合预测中新旧历史数据对组合权重影响仿真分析

预测过程中新旧历史数据对预测结果的影响程度不同,本文基于新旧历史数据对预测模型的影响程度不同给出时间权重的概念,着重探讨并给出了确定时间权重应该满足的条件,并基于所给时间权重建立了组合权重确定模型,最后通过实证仿真分析得到考虑新旧历史数据的影响能有效地提高组合预测的精度     

基于最优组合马尔柯夫链的业务量预测模型

提出了一种基于最优组合马尔柯夫链的业务量预测模型,通过分析影响业务量变化的各种因素,建立了最优组合模型来预测业务量,其最优加权系数依据最小二乘法原理确定,该模型的主要特点是综合考虑了移动台数量与业务量的动态分布,避免了单一预测模型仅利用部分信息而带来的不足,仿真结果证实了该模型较单一预测方法降低了预测误差,提高了预测精度,为研究系统性能、提高服务质量提供了有效措施。     

基于误差修正时间序列模型的短期电力需求预测分析

随着经济、社会和工业的快速发展,电力需求突飞猛进.电力行业也逐渐成为影响全球社会经济发展地位的重要的因素,不准确的需求预测增加了电力行业的运行成本,特别是在市场环境中,精度即意味着金钱,准确的电力需求预测是有价值的。本文主要对许昌市短期电力需求进行分析预测,利用许昌市用电量的相关数据,分别应用移动平均法、时间序列法建立模型并对模型进行预测和分析,再通过对这两种预测方法分别赋予不同的权重建立加权组合预测模型来改进预测误差,通过比较分析得出加权组合模型预测的精度更高。     

基于最优组合预测法的电网用电量预测

西藏林芝电网电源单一,冬、春季拉闸限电局面日趋严重,为科学预测电网用电量,提出基于一元线性回归模型与灰色模型建立最优加权组合预测模型,应用最优模型对林芝电网2000～2007年电网用电量的历史数据进行拟合,对2008～2015年的用电量进行预测,通过实例分析表明最优组合预测结果更为精确,并预测出2015年电网用电量将达到1.68亿kW.h。     

基于指数支撑度的IGOWLA算子的最优组合预测模型

在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入指数支撑度以及构建了一种基于支撑度的IGOWLA算子的最优组合预测模型,并对该模型的预测精度、优性及非劣性给出定义.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

基于灰色理论与BP神经网络的交通运输量组合预测研究

交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究.结果表明,通过选择合适的组合预测模型及参数估计方法并确定最佳的模型参数,能够有效地提高预测精度.     

基于预测模型的基本养老保险问题分析

针对单一预测模型误差大的问题,在介绍灰色GM(1,1)模型、二次指数平滑预测及Logistic曲线方程3种预测方法的基础上,引用最优加权组合建模理论,以均方误差平方和为最小目标函数确定权重系数,建立组合预测模型。通过对徐州市2004—2010年基本养老保险基金的分析,表明组合预测模型平均精确度非常高,是可靠和具有实用价值的。最后运用所建预测模型,对2011—2020年徐州市基本养老保险情况进行了科学分析预测。     

基于Theil不等系数的IOWHA算子预测模型的性质研究

为了克服传统的单项预测方法选取固定参数时的不足,在诱导有序加权调和平均算子(IOWHA算子)的基础上引入Theil不等系数,构建了基于Theil不等系数的IOWHA算子的最优组合预测模型.对该模型的预测精度、优性及非劣性进行定义,从理论角度探究了其非劣性组合预测、优性组合预测存在的充分条件.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.