基于RBF神经网络和专家系统的短期负荷预测方法

深入研究了天气和特殊事件对电力负荷的影响，建立了结合径向基（RBF）神经网络和专家系统来进行短期负荷预测的模型。利用RBF神经网络的非线性逼近能力预测出日负荷曲线，然后利用专家系统根据天气因素或特殊事件对负荷曲线进行修正，使其在天气突变等情况下也能达到较高的预测精度。利用该模型编制的实用化软件在西北电网的多个电力局投入实际应用，结果表明：该方法用BP神经网络相比，具有较高的预测精度，同时具有较强的实用性。  

隧道围岩变形量预测的灰色模型应用比较研究

隧道施工过程中的围岩变形监测是掌握围岩的动态信息、确保施工期间隧道稳定性的重要手段.围岩位移预测则是支护形式、支扩参数设计恰当与否和了解运营以后隧道长期稳定性的关键所在.传统预测方法有基于岩体力学理论的计算方法、基于实测值的拟合方法等,本文通过以实际工程原始数据列作为参考数列,建立围岩预测量测数据的灰色预测预测模型以及3种GM(1,1)改进模型,并通过比较结果及关联度分析发现,一般的GM(1,1)灰色预测模型适用于围岩变形量的短期预测,更新递增模型和新陈代谢模型在作较长期预测时,预测精度更高.  

基于流场模拟的综放面自燃危险区域划分及预测

通过对采空区渗流场的数值模拟,得到采空区渗流速度及氧气体积分数的分布.结合实验测得的煤自燃发火期和自燃临界参数,对采空区"三带"进行划分,并得到了采空区不自燃的工作面最小推进度.该方法计算量比模拟采空区煤自燃全过程少得多,预测精度却能够满足实际防灭火需要.  

一种模糊组合预测方法

针对预测问题的不确定性,提出一种将组合预测结果扩展到置信集合的模糊组合预测方法.该方法利用概率中置信区间原理并结合模糊数概念,对观测值和各单项预测值进行模糊描述;以组合预测值对观测值的拟合度最高为目标,建立模糊规划模型,求解权重系数.该组合预测方法与单项预测方法相比,预测精度有所提高,具有一般组合预测方法的优点,并以模糊数的形式将预测结果确定在一置信集合内.最后以实例证明了该方法的有效性.  

鄱阳湖水位动态预测模型

鄱阳湖集江西省内五河(赣江、抚河、信江、饶河和修水)之来水，全省各地降水的多寡对鄱阳湖水位的影响很大。1998年汛期全省出现了两次连续大暴雨过程。第二次大暴雨过程致使鄱阳湖区洪水泛滥，洪涝成灾，造成了国家和人们的重大损失。为了提前做好预防，我们根据历史数值，采用逐步回归^[1,2,3]的方法建立鄱阳湖区域及上游降水与鄱阳湖水位关系模型。通过对相应假设进行F检验以及使用模型进行鄱阳湖短期水位的预测检验表明，模型选择的因子较为合理，模型的预测精度较高，效果较好。因此我们认为模型是合理可行的。  

基于时空数据挖掘的铁路客流预测方法

提出了一种新的基于时空数据挖掘的铁路客流预测方法,该方法一方面采用统计学原理对目标对象本身的时序进行预测,另一方面通过神经网络解算相邻对象的空间影响,最后使用线性回归得到综合预测结果.采用该方法对某铁路直通区段2004年春运期间旅客总发送量进行预测,与不考虑空间影响的预测方法相比,预测精度有所改善.  

基于初值修正的非等距灰色预测模型

对非等间距灰色模型的预测精度进行了分析,表明初值的选取对模型的精度有重要的影响,进而提出了两种修正初值的方法来提高模型预测精度,得到了一类改进的灰色预测模型。最后给出了一个应用实例,结果表明,该改进模型具有较高的预测精度。  

基于改进BP神经网络预测蛋白质二级结构

蛋白质结构预测在生物信息学研究中占有重要地位，而蛋白质二级结构预测是蛋白质结构预测的关键步骤。针对标准BP算法存在的缺点，讨论采用几种不同的改进BP神经网络来实现蛋白质二级结构的预测，运用MATLAB语言实现各种改进算法的初始化和训练。并分析比较了它们对蛋白质二级结构预测精度的影响。实验表明，遗传算法结合动量法与学习率自适应调整策略的BP算法可获得较高的预测精度。  

基于DE-SVM的岩层可钻性预测研究

鉴于试验确定深部岩层可钻性指标成本很高,而且测井信息神经网络模型往往存在过学习问题,利用遵循结构风险最小化的统计学习理论工具——支持向量机(SVM)建立可钻性预测模型,通过支持向量机对样本的学习,建立岩层可钻性与诸多测井信息的复杂非线性映射.为解决支持向量机参数选取问题,引入全局优化算法——差异进化算法(DE),建立DE-SVM的进化模型,进一步提高模型预测精度.算例表明,差异进化算法收敛快速,该方法预测精度高于传统方法,对新井钻头选型和钻速确定有重要意义.  

组合模型在港口集装箱吞吐量预测中的应用

根据某港的集装箱吞吐量的历史数据,分别利用时间序列的三次指数平滑法、改进的GM(1,1)残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨,并对未来几年某港集装箱吞吐量进行了预测.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值以及误差的标准差分别为4.5208,0.0343,49.5161,都小于单独用三次指数平滑法或改进的GM(1,1)残差模型时的平均绝对误差、平均相对误差绝对值以及误差的标准差,达到最优的精度等级.