含模糊因素的患病风险预测模型

将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果．     

中长期电力负荷的模糊回归预测

针对中长期电力负荷预测中观测数据及负荷变化规律的模糊性，提出了一种新的负荷预测方法－模糊回归预测。该方法通过建立具有模糊回归参数的回归模型，可以直接由模糊观测数据预测出未来负荷值。文中通过实际算例验证了所提方法的可行性。     

电力系统中长期负荷预测的模糊算法

介绍了用模糊指数平滑法和模糊线性回归法进行电力系统中长期负荷预测的方法，以实际预测为例，给出预测结果，实践证明了上述2种方法虽然以传统预测方法为基础，但具有算法简单，计算速度快，预测精度高，预测误差小，并能提供负荷的一个预测区间等优点，尤其在原始数据存在不确定性和模糊性时，更有着常规预测方法无可比拟的优越性。     

α-加权模糊线性回归模型及其在电力需求预测中的应用

建立了一种回归系数为对称三角模糊数的α-加权模糊线性回归模型,运用模型进行了电量需求预测,实际需求和预测结果分析表明,该模型能够实现历史数据“重近轻远”的预测效果。进一步提高预测精度,减少预测误差,适合于电力需求预测。     

应用模糊回归模型预测玉米蚜的种群动态

在研究昆虫生态,对害虫的发生进行预测时,并不要求预测得到十分精确的数值,且也难以得到,只要预测出害虫的发生趋势即可,模糊理论对处理此类问题有独特优势.提出应用模糊回归技术,针对山东宁阳1989-2004年的历史资料,建立玉米蚜的种群动态预测模糊回归模型.同时与利用多元线性回归模型分析预测的结果进行比较,从比较看出用模糊回归模型进行预测有更高的准确性和更好的适用性,证明了新模型的有效性.     

模糊线性回归预测

为了解决带有模糊信息的动态预测问题,在已有的线性回归预测法的基础上,提出了模糊线性回归预测的模型。模型的确定在于模糊系数的确定,模糊系数为对称三角模糊数,为此给出了描述对称三角模糊数近似和蔼的拟合度的定义及其表达式。借助于对称三角模糊数以截集表示的一对函数,给出了对称模糊的模糊度的定义及其表达式,给出了确定模糊系数的准则：对于事先指定的标准拟合度,要求在每个方程估计值的拟合度都不小于标准拟合度的约     

改进的相似优先比模型在浦东新区电力负荷预测中的应用

改进优先比方案是将模糊理论中的相似优先比运用于负荷预测后发现原基本模型的某些不足之处而进一步提出的模型，主要吸收了模糊理论中综合评判思想，采用了多因素 归预测，充分考虑电力负荷受多因素作用的客观实际，同时还根据预测对象不同，对模型进行修改，给出相应的满意度。     

涡轮增压器叶片的静强度模糊可靠性分析

以有限元分析程序为“抽样工具”，得到叶片应力与其相关因素的一系列抽样值，并利用模糊线性回归方法得到了叶片应力的模糊回归方程，基于模糊应力－随机强度干涉模型，求取了涡轮增压器叶片的模糊可靠度，实例表明该方法是可行的。     

基于模糊结构元方法的模糊线性回归模型

由于统计分析中线性回归分析方法的可靠性不高，人们提出模糊线性回归方法，但是这种方法有随着自变量的增大回归函数将越来越模糊的缺陷。利用模糊结构元的方法揭示了这一缺陷，并采用模糊函数拟合数据点的方法克服了这一缺陷，这里的模糊函数采用模糊结构元的表示方法。理论证明这是一种有效的模糊回归分析方法，并通过实例加以应用，取得了很好的效果。     

涡轮增压器叶片的静强度模糊可靠性分析

以有限元分析程序为“抽样工具”，得到叶片应力与其相关因素的一系列抽样值，并利用模糊线性回归方法得到了叶片应力的模糊回归方程．基于模糊应力－随机强度干涉模型，求取了涡轮增压器叶片的模糊可靠度，实例表明该方法是可行的     

天气数据模糊化处理对神经网络短期负荷预测模型的影响研究

介绍了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法,计及了天气和日期特征量．应用模糊集理论将天气和日期特征量模糊化后作为BP神经网络的一部分输入进行训练,同时考虑实际历史负荷数据构造了短期负荷预测模型,预测未来24h负荷．通过典型算例与普通BP方法预测结果相比,表明该方法是有效的并具有较高的预测精度．     

基于径向基函数和模糊逻辑的短期电力负荷预测

综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,提出了将径向基(RBF)网络和模糊逻辑相结合的预测方法。利用具有非线性逼进能力的RBF神经网络预测出预测日的最大负荷值和最小负荷值,并用模糊逻辑预测出预测日的负荷系数,进而得到预测日的负荷值。实际算例表明:该方法同BP网络相比,具有较高的预测精度,证明了该方法的有效性。     

模糊层次分析法在系统中长期负荷协调控制预测中的研究

电力负荷预测是电力系统规划的重要工作之一.提出一种改进的模糊层次分析法来进行中长期负荷预测.首先,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性,采用层次分析法对专家判断结果进行处理以得到方案层各方案的最优权重.该负荷预测模型综合考虑了影响电力负荷的多种不确定因素,并在综合不同模型预测结果的过程中引入专家经验.最后,研究结果表明,该方法相比传统方法能够更好地应用于电网中长期电力负荷预测.     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。     

模糊理论在电力负荷预测中的应用

提出了一种预测电力系统负荷的新方法。该法首先根据模糊聚类分析的方法对电力负荷及其相关环境因素的历史样本进行归纳分类，然后采用合适的模糊数及模糊集刻画出各类样本中负荷变化的模式及环境因素的特征，最后，由未来环境因素状态判定未来负荷变化属于哪种模式，从而预测出电力负荷的未来值。文中以我国某省中期负荷预测为例，说明了所提方法的有效性。     

基于自适应最优模糊逻辑系统的移动通信话务预测

移动通信话务数据具有强非线性,传统的预测技术很难准确预测其变化规律．文中根据移动通信话务量的特点,对移动通信话务数据进行分块建模——采用最近邻模糊聚类算法对周期分量模块进行建模,采用线性回归方法对趋势分量模块进行建模,并据此设计了一种智能型的自适应最优模糊逻辑话务预测系统,进而对广东某地区的话务数据进行了预测．现场调试结果表明,该预测系统能有效预测移动通信的话务量．     

一种应用时间序列技术的短期电力负荷预测模型

提出一种时间序列算法和模糊逻辑技术相结合的电力系统短期负荷预测方法 .它包括一个具有非线性特性的传递函数模型 ,可以考虑气温等外界因素对负荷的非线性影响 ,能使预测及时跟上负荷变化的趋势 ,适用于由于天气等因素变化引起负荷突变的预测场合 .为了更好地处理影响电力系统负荷的不确定性因素 ,便于利用预报人员的丰富知识和经验 ,此文采用了具有较强结构性知识表达能力的模糊逻辑技术与时间序列相结合的方法进行负荷预测 .测试结果表明了该方法的有效性