基于PSO-SVMＰ模型的理论线损率预测研究

深入分析了线损率的影响因素,对现存的线损率预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立基于粒子群优化的支持向量机预测模型对理论线损率进行预测仿真,为线损的降低和电能的高效利用提供保障;最后通过实例验证了该模型在理论线损率预测中的精度.     

6σ稳健设计在单目标优化问题中的仿真应用

引入6σ设计理念将可靠性理论和容差技术相结合,提出了一种稳健设计优化模型,采用粒子群算法,实现对目标函数的优化。以圆柱螺旋压缩弹簧为应用实例,基于ISIGHT集成MATLAB平台,对圆柱螺旋压缩弹簧的约束函数进行可靠性、稳健性评估,证明了该方法的有效性。     

基于混沌粒子群优化的微电网短期负荷预测

针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)时存在非最优解问题,提出了一种基于混沌理论(Chaos theory)的粒子群优化LSSVM参数的短期负荷预测的方法.该预测模型首先引入混沌理论,对粒子群算法加以改进;然后让结合混沌理论的PSO对LSSVM回归估计进行参数优化,得到CPSO-LSSVM;最后将该方法应用于短期负荷预测,通过Matlab仿真训练得到预测结果.仿真实验结果表明该方法不仅可以降低算法陷入局部极值的可能性,还提高了学习能力,从而提高了预测的精准度.     

工业电阻炉多参数能耗建模与预测

电阻炉温度变化存在非线性、大延迟的特点,建立精确的能耗数学模型比较困难.为解决理论建模复杂且不具备实时性的问题,提出了一种基于数据驱动的电阻炉多参数能耗预测方法.首先,通过分析电阻炉工作阶段的能耗特性,建立了电阻炉理论能耗预测模型;然后,利用粒子群优化算法对支持向量回归的超参数进行寻优,建立了基于支持向量回归的多参数能耗预测模型;最后,对比了支持向量回归、高斯过程回归、自适应模糊神经推理系统模型在单参数及多参数条件下的能耗预测结果.实验结果表明,基于粒子群优化下的支持向量回归多参数能耗预测方法具有更好的预测效果.     

克隆选择粒子群优化BP神经网络电力需求预测

在普通BP算法基础上,引入克隆选择粒子群算法,建立电力需求预测模型.将当期国内生产总值、前期国内生产总值、人口、当期产业结构变化、前期产业结构变化等影响电力需求的因素作为网络输入,电力需求作为网络输出,同时选择合适的隐层节点数,确定模型的网络结构.利用克隆选择粒子群算法反复优化BP网络的权值组合,将优化后的权值作为BP神经网络的初始值,进行BP算法,直至网络达到训练指标.利用近几年相关输入输出变量年度数据,对建立的模型进行电力需求实证预测分析,并同普通BP神经网络预测结果进行对比.结果表明:基于克隆选择粒子群优化的BP神经网络不仅训练速度快,而且误差小,预测精度明显提高,说明该模型对于电力需求预测的有效性.     

RDWKCPSO-PCA-BPNN的汽车燃油消耗预测

针对不同乘用车综合工况下理论百公里燃油消耗数据,文章提出了一种基于主成分分析(principal component analysis,PCA)和BP神经网络(back propagation neural network,BPNN)的燃油消耗预测模型;通过PCA方法对选取影响理论燃油消耗的24个因素进行压缩,简化模型结构,再利用BPNN算法,构建燃油消耗预测模型;由于神经网络中的权值和阈值对预测模型效果影响较大,采用基于随机动态惯性权重和Kent映射的混沌粒子群算法(RDWKCPSO)优化PCA-BPNN模型中的权值和阈值。对3种标准函数的寻优测试结果表明,RDWKCPSO优化算法更容易跳出局部最优实现全局寻优,提高了模型适应能力及预测精度。     

基于PSO-ELM模型的短期电力系统负荷预测

为了提高电力负荷预测的精确度、降低预测误差,提出了一种基于粒子群优化的极限学习机(PSO-ELM)模型。通过粒子群算法对极限学习机的参数进行寻优,最后通过PSO-ELM模型和传统ELM模型预测结果的相对误差比对,改进模型将相对误差降低在1%左右,提升了学习速率和预测精度,为电网运行和电力分配提供了决策保障。     

基于粒子群算法的带有运输衔接的应急物资运输路径优化问题

针对应急物流时间紧迫性及物资需求的特殊性,建立以灾区需求满意度最大和运输成本最小的应急物资运输路径优化调度模型。采用直升机运输与汽车运输分层处理的方式,设计粒子群优化算法进行物资运输和分配决策。数值算例验证了模型及粒子群算法的有效性与稳定性。     

基于粒子群优化的高维小波神经网络及其应用

本文提出一种粒子群优化小波神经网络的新方法.先采用基于梯度下降的误差反传算法调整小波神经网络参数,再使用粒子群算法修正,从而建立了粒子群优化的高维小波神经网络,并将该方法用于构建热连轧产品质量模型.仿真结果表明,此模型提高了预测精度和收敛速度.     

基于永磁操动机构的同步合闸时间预测方法研究

为了提高相控开关动作时间预测精度,抑制电容器投切产生的过电压和涌流,文章建立了以控制电压和环境温度为输入的前馈网络预测模型;为了提高模型预测精度,提出基于遗传算法(genetic algorithm,GA)和粒子群算法优化神经网络的补偿方法,并对算法优化前、后网络预测性能进行比较。研究结果表明,经过遗传算法和粒子群优化后的前向神经网络模型比没有优化的有更好的预测精度。     

基于SVR的区域物流需求短期智能预测模型研究

区域物流需求预测是区域物流系统规划、物流资源合理配置过程中的重要环节,而区域经济发展是产生区域物流需求的内在决定性因素,因此寻求利用区域经济发展指标来预测区域物流需求具有较强的可行性,同时能够促使区域物流产业与区域经济之间的协调发展.为此提出了基于支持向量回归(SVR)的区域物流需求预测模型,不仅揭示了区域物流需求与区域经济发展之间的非线性映射关系,同时也为区域物流需求预测提供了一种新的思路和方法,通过实验证明了该方法的有效性.     

多元可变参数需求预测模型分析与应用

针对现有区域物流需求预测目标单一、预测数据复杂的问题,提出了多元可变参数的物流需求预测模型.在分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系的基础上,运用粗糙集理论对预测指标进行预处理,建立多输入多输出小波网络(multi-input and multi-output wavelet network,MMWNN)多元预测模型,采用迭代梯度下降法和逐步检验法确定预测网络中的可变参数.利用粗糙集约简后的评价指标来实现对多元区域物流需求的预测,实例仿真结果表明该模型具有较高的预测精度和有效度.     

物流网络中多地区配送需求预测方法研究

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法, 通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

区域物流需求预测的COMR方法

针对区域物流需求规模短期预测建模的特点,结合核方法和支持向量回归的研究进展,提出了一类带约束的最优多元回归模型。该模型综合考虑了多元回归函数的拟合误差、泛化能力以及非线性预测建模的特点,为区域物流需求增长预测提供了一种新方案。对上海市最近5年物流需求规模的预测也验证了该模型的有效性。     

人才需求预测的含时变参数的弹性系数模型

1 模型的提出定义经济发展对人才需求的弹性系数α为(dx/x)/(dL/L),其中L表示一个国家(地区或部门)的人才数,x指相应的经济规模指标(如社会生产总值).显然人才的增长速度不能高于经济的增长速度,从而有α>1.由上述定义不难求得下述关系:x(t)=βL~α(t),然而直接用它进行人才预测是不太妥当的.因为影响经济增长的因素除人才之外还有很多,如资本投入量等,上述关系并未反映出其他因素对经济增长的影响,况且随着科技水平和管理水平的提高,弹性系数α也要发生变化.考虑到人才需求预测属中、长期预测,提出含时变参数α_t和β_t的弹性系数模型     

Prediction of the Logistics Demand Based on an Innovative Mixed Model: an Empirical Case from Nanping City,China

The research intends to make scientific prediction of the logistics demand of Nanping City based on mathematical model calculation so as to provide reasonable strategic guidance for the sustainable and healthy development of urban logistics industry. It constructs a comprehensive index system composed of freight volume and other eight relevant economic indices to form the foundation for the model construction. Combining forecasting models of principal component regression and GM( 1,1) together,it makes mathematical calculation to predict the logistics demand of Nanping City from the years 2018 to 2022. The research makes systematical analyses of the indices influencing the precise prediction of logistics demand from a new perspective,which offers an innovative and practical option for urban logistics prediction. In line with the prediction,it offers some suggestions for the improvement of demand prediction and some strategies for the better development of the logistics industry in Nanping City.     

重庆市物流业投入产出分析

基于2007年重庆市投入产出表,计算出了物流业的直耗系数、分配系数、完耗系数、影响力系数和感应度系数及生产诱发系数等投入产出系数;从各方面分析了物流业与其他产业之间的关联关系,为重庆市物流业的发展提供了可借鉴的依据并提出了相关的政策建议。     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

随机投入产出模型研究

研究基于给定可靠性下产出量的控制方程．在随机投入产出方程中,当直接消耗系数和最终需求为指数型随机变量时,方程中随机变量分布中参数间的关系有3种基本情况：所有参数都相等、所有参数两两不相等、有部分相等而其余则两两不相等．实际上,前2种情况是第3种情况的特殊形式．运用独立随机变量和的分布理论,基于直接消耗系数和最终需求分布参数间的第3种关系,导出了随机投入产出模型中产出量所满足的方程．     

基于主成分分析的广东省区域电商物流能力评价研究

电商物流是电子商务发展相配套的物流,网购的发展促进了电商物流的产生和发展,电商物流的发展在电商发展乃至整个供应链中具有重要意义。构建广东省区域电商物流能力评价的指标体系,利用主成分分析的方法进行实证分析,结果表明:广东省区域电商物流能力较好,但地区差异性很大,区域发展极不平衡。广东省区域电商物流能力影响因素包括投入产出水平、需求情况、发展潜能3方面,主要由投入产出水平决定。进而提出广东省区域电商物流能力发展的建议,以促进更好地发展。