平滑系数优化的季节性指数平滑法

本文给出了一种基于单纯形法对平滑系数寻优的季节性指数平滑法,依据这一方法进行预测,总体残差大大降低,精度明显提高。文中通过某电力系统负荷预测结果表明,采用单纯形法对平滑系数寻优比采用经验数据预测的百分比误差降低两倍多。     

一类推广的指数平滑优化模型性质及算法的研究

在原二次指数平滑模型的基础上 ,提出了一种带有动态平滑参数的指数平滑优化模型 ,包括差分 指数平滑模型 ;通过引入动态参数 ,建立了不需选取平滑初值的新模型 ;采用Fibonacci算法优选并自动生成平滑参数使模型得以优化 .从而较完整地解决了指数平滑预测中 ,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题 .     

指数平滑预测法的运用

指数平滑预测法是用指数折扣加权平均的方法对一个动态数列进行递推预测的方法,在经济管理中有广泛的应用。本文着重研究了平滑系数α值和初始值S_0的确定问题,并以实例说明指数平滑预测法的运用。     

改进的季节性指数平滑法预测空调负荷分析

根据空调日总负荷和日平均气温之间的较强相关性,对经典的季节性指数平滑法预测模型中的水平因子项进行修正,并去掉趋势因子项,得到了改进的季节性指数平滑预测模型.以上海某医学中心空调系统作为该空调负荷预测模型的应用实例,在整个预测期内模型平均预测误差为8.8%.这表明改进的季节性指数平滑法适合于办公类建筑空调负荷的预测.     

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。     

基于三次指数平滑的云南学龄儿童人数预测研究

构建科学、准确的学龄儿童人数预测模型,对合理规划小学学校数量,制定小学教师招聘计划,制定人口政策具有一定的参考价值。根据预测误差平方和最小原则,利用Matlab循环语句命令编程,设定平滑系数α的一个精度,从0α1的所有值中选择最优α,研究发现利用该法建立的三次指数平滑模型在学龄儿童人数预测方面有较好的预测效果;在此基础上利用马尔科夫预测法,对三次指数平滑模型预测结果进行修正,弥补了因随机波动性导致的预测误差偏大的情形;通过对这两个模型预测结果的对比分析,表明三次指数平滑-马尔科夫模型的预测效果比单独利用三次指数平滑模型的效果有较大改善。     

一种对二次指数平滑预测中参数和初值的研究

针对指数平滑法在实际应用主要靠经验选取平滑参数和初值的不足,通过对传统预测模型的分析,提出了递推分割法来优选平滑参数以及初值选取模型化的思路,得到了比较优秀的平滑参数,获取了以预测的实际值n为划分依据的简便方法处理后的初值.然后将该优化方法应用于股票"三连商社"的预测,取得了明显优于传统模型的结果.     

指数平滑模型的新构思

从二次指数平滑模型着手，针对现有指数平滑模型存在的平滑初值难以确定，平滑参数难以选取等问题，提出避免选取平滑初值的修正二次指数平滑模型，以及用斐波那契算法优选平滑参数的方法，预测了江苏省２０００年的农业总产值，结果表明预测精度有所提高，针对二次指数平滑模型的新构思对其它指数平滑模型同样适用。     

确定指数平滑参数的最优化方法

依据统计学原理以指数平滑预测模型进行了精度分析,建立了估计指数平滑参数α的最优化模型,给出了优化模型求解算法。实例计算结果表明,与试算法比较,该优化方法具有较快的收敛速度和较高的计算精度。     

一种电力系统中长期负荷预测方法

提出了一种电力系统中长期负荷预测的方法－时间序列的指数平滑法。该方法适用范围广，具有较强的预测精度，并通过实例计算，结果表明预测精度满足要求，证实了这一方法用于系统中长期负荷预测的可行性。     

指数平滑技术在重庆市煤炭需求预测中的应用

指数平滑技术是进行预测决策的有效方法．以实际数据为基础,结合重庆市近年来煤炭实际消耗量数据的特点（具线性趋势）,建立了重庆市煤炭需求量的趋势型二次指数平滑模型,并研究了指数平滑模型在重庆市煤炭需求预测中的应用．结果表明,预测值与实际消耗量之间的误差很小,说明此模型可很好地应用于煤炭需求的中短期预测,为重庆市能源决策提供可靠的依据．     

季节性指数平滑法在城市用水量预测中的应用研究

针对季节性平滑指数方法对于异常数据适应能力较差的特点,对该方法进行优化改进,建立更加可靠的数据模型,并通过实际监测数据检验,得出改进后的季节性平滑指数法在北方地区预测用水量具有更高的精度,满足给水系统的仿真要求。     

对NWS中资源性能预报算法的一个改进

提出一种新的预报算法——动态指数平滑算法, 该算法 是对传统的指数平滑算法的改进. 为了使指数平滑算法能够更好地适应NWS系统对精确度和系统开销的要求, 增加了对参数的调整. 但这种调整不同于已有的参数调整算法, 并且在时间复杂性、 空间复杂性和预报准确性方面均得到了有效的提高. 通过实验和比较, 本算法更适用于NWS中的时间序列以及有着相似统计学特性的时间序列.     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法．这种算法综合了三种算法，即区域增长、边缘检测及保持边界平滑方法．它可以明显地克服区域增长及边缘检测各自的缺点．在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠．可直接应用到三图象分割、医学图象分割的实验中，证明了这种方法的有效性     

优化灰色模型在负荷预测中的应用

论述了用优化灰色理论进行电力系统负荷预测的建模过程。通过指数平滑法对原始负荷数据进行预处理 ,把有起伏特性的原始数据序列改造成规律性强的序列 ,再利用优化灰色模型进行预测 ,提高了预测精度 ,该方法简捷实用 ,经实际算例校核证明 ,可以作为中期电力负荷预测的理想工具     

云数据中心基于负载预测的物理主机状态检测策略

针对云数据中心现有物理主机状态检测算法对提高云数据中心物理资源的利用率效果不明显问题,提出了基于负载预测的物理主机状态检测策略(load prediction based physical host status detection,LP-PHSD),LP-PHSD利用时间序列和二次指数平滑法预测出物理主机在未来一段时间内的资源利用率情况,同时结合绝对中位差方法,确定资源利用率动态阈值边界,选择适当的时刻进行迁移,提高物理资源的利用效率,降低能量消耗.LP-PHSD包括源物理主机状态检测和目标物理主机状态检测2个部分,可以很好地判断出虚拟机迁移的时刻.实验表明,经LP-PHSD策略优化后的新虚拟机迁移方法与近几年的BenchMark迁移模型比较起来,云数据中心的总体能量消耗降低,虚拟机迁移次数减少,云服务质量明显提高.     

灰色预测模型的数据处理及应用

简要分析灰色预测方法的优缺点,针对其不足之处,在建立灰色预测模型过程中提出了3种数据处理方法:指数平滑法、包络曲线法、灰模块法,应用情况表明比原方法有较好的结果。