基于最优加权的组合预测模型及应用

针对各种单一的传统预测方法中存在的问题,提出了一种基于最优加权的组合预测方法．根据珠江三角洲天河水文站的水位预测要求,运用最优加权法建立了多元线性回归、灰色系统GM（1,1）和BP神经网络的组合模型．实验结果表明,组合预测方法比各单一模型有更高的预测精度．     

基于组合预测模型的我国管道货运量的预测分析

选取2005—2014年以来我国管道货运量的时间序列数据,在指数平滑法、灰色预测法的基础上,运用两者的组合预测模型对管道货运量进行预测分析,以揭示出其变化的内在规律。最后运用预测函数对"十三五"规划期间我国管道货运量进行短期外推预测。分析结果表明,到2020年,我国管道货运量将达到116.56千万吨。     

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。     

基于压缩感知的灰色理论模型及其在航空货运量预测中的应用

重点研究经济突发事件对中国航空货运量的影响,采用压缩感知理论提取经济突发事件对航空货运量的影响,并利用灰色理论拟合航空货运量的总体变化趋势。以2002~2009年中国每月航空货运量的统计数据为基础,通过Matlab的CVX工具箱得到航空货运量基于压缩感知理论的灰色模型。通过对原始数据拟合的结果分析可知,基于压缩感知理论的灰色模型既可以体现中国航空货运量的逐年递增趋势,也可以得到每年的逐月变化趋势,还可以得到经济突发事件对中国航空货运量的影响。给出基于压缩感知的灰色模型的2010年每个月预测值,最大预测误差不超过5.92%,为航空运力市场调控和发展提供理论支持。     

基于最优加权法的改进交通流组合预测研究

分析了交通流由线性和非线性部分组成,使用ARIMA模型、指数平滑模型和灰色模型对线性部分进行预测,并且以预测误差平方和最小为准则确定这3个模型预测结果的最优加权系数,得到这3个模型的最优组合,最后对非线性残差部分使用支持向量机模型进行预测.通过实例分析发现,组合预测模型相比单个预测方法具有更高的精度,能够较准确地对交通流进行预测.     

基于压缩感知的航空货运量模型研究

最近十几年,压缩感知(CS)理论得到快速发展,并广泛应用于图像重建、信道估计以及谱估计等不同领域.主要研究压缩感知理论在我国航空货运量建模中的应用,以1991~2006年我国航空货运量的统计数据为基础,利用压缩感知理论对我国航空货运量建模,并通过正交匹配追踪(OMP)算法得到我国航空货运量的压缩感知模型.通过拟合误差指标的比较可知,基于压缩感知理论的航空货运量模型具有模型相对比较简洁,拟合精度高于基于灰色GM(1,1)以及基于回归分析法的航空货运量模型等优点.实验证明,此方法可应用于短期内我国航空货运量的预测,为航空货运市场调控提供有效理论依据.     

最优加权组合模型在预测电话社会拥有量中的应用

本文讨论了最优加权组合模型,并将其用于对电话社会拥有量的预测,在文〔1〕基础上,构造了最优加权模型,并对延吉市电话社会拥有量的发展趋势作出了预测。     

福建省公路货运量组合预测研究

公路运输量的预测对公路系统的规划建设,公路系统的合理利用,具有重要的意义。本文在灰色预测、指数增长曲线、抛物线型曲线三种单一预测模型的基础上,利用基于误差绝对值和最小的线性组合预测模型对福建省公路货运量进行预测。预测结果表明,组合预测比单一预测模型具有更高的预测精度,说明该组合预测模型对福建省公路货运量的预测是可行的。     

基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测

为提升铁路货运量预测精度和泛化能力,综合考虑铁路货运量时间序列数据的线性和非线性特征,提出了基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测方法。首先使用ARIMA模型对我国铁路货运量进行初步预测,再利用LSTM网络对残差进行校正,并将其与XGBoost模型结合,采用误差倒数法确定权重,构建一种加权组合模型。最后将组合模型与ARIMA、ARIMA-LSTM、LSTM、XGBoost模型进行对比,借助均方误差(MSE)、均方根误差(RMSE)、平均绝对值误差(MAE)、平均绝对百分比误差(MAPE)对上述模型的预测精度进行对比分析。使用2007年-2021年全国铁路货运量月度数据进行实验,实验结果表明：组合模型的MSE、RMSE、MAE、MAPE分别为0.011 9、0.109 4、0.068 3、1.775 2%,预测误差均低于上述对比模型,模型的预测精度和泛化能力都有所提升。     

基于LSTM-RBF的水路货运量预测

水路运输是交通和货运的重要组成部分,水路货运量的预测对各地经济发展有重要意义。近年来随着经济形势的变化和多式联运的快速发展,水路货运量的数据波动加大,精准预测的难度变得更大。因此提出一种基于长短期记忆网络（Long Short-Term Memory,LSTM）和径向基神经网络（Radial basis function,RBF）的组合预测模型 。在LSTM-RBF预测模型中,第一阶段通过LSTM对各指标进行精准预测,减少指标值误差对目标值预测带来的影响;第二阶段训练RBF神经网络并在未来指标值的基础上对目标值（水路货运量）进行预测。该模型既避免了时间序列预测仅考虑单一影响因素的缺陷,又能够把LSTM的长时记忆优势带入到RBF的回归预测中。实验结果表明,LSTM-RBF预测模型在均方根误差和拟合度方面,均优于其他对比模型,该预测模型对水路货运量的预测有着较高的准确度。     

上海浦东国际机场货运吞吐量预测

航空货运量的预测为机场货运业务的科学决策以及对资源的优化配置提供了基础.在分析浦东机场航空货运吞吐量与经济因素的基础上,建立了以长三角GDP为自变量的相关回归分析预测模型.通过统计检验及实际数据与预测结果的比较,证明了该模型在预测浦东机场航空货运吞吐量方面的可行性,并具有较高的精度.     

基于BLS-Lasso组合模型的火电厂蒸汽量预测

在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义。针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system, BLS)和Lasso (least absolute shrinkage and selection operator)回归模型的组合预测模型。首先利用One-class SVM (one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除。然后,采用最大信息系数(maximal informationcoefficient, MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果。最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果。实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量。     

电力负荷预测线性相关方程的最佳权重加权最小二乘法

针对电力系统负荷预测的一元线性回归模型，提出了基于加权最小二乘法建立相关方程的最佳权重法，与传统的最小二乘回归法相比较，该方法综合考虑x及y方向误差确定相关方程，所求相关方程不会因坐标系的选取而改变，结果较为客观，可作为电力负荷预测的一种新的补充方法。     

基于灰色关联和加权TOPSIS法的采矿方法优选

 为建立采矿方案综合评判指标体系,在综合层次分析法(AHP)、灰色关联分析法(GRA)和加权TOPSIS法基本原理的基础上,构建加权TOPSIS-灰色关联综合评判模型,对多种采矿方案进行综合评判优选。优选过程中,从经济、技术、安全3大类因素综合考虑影响采矿方法的评判指标,通过层次分析法获得各评判指标的权重向量,利用灰色关联系数改进加权TOPSIS法,建立加权TOPSIS-灰色关联综合评判模型,并运用TOPSIS法原理计算出各方案基于评判指标的综合优越度。以石人沟铁矿露天转地下采矿方案优选为例,得出4种拟选采矿方案的综合优越度分别为47.9%、62.5%、63.9%、59.9%,确定第3种采矿方案最优。经矿山实践验证了该评判模型的可行性和有效性。     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

水电机组线性最优调节器加权矩阵的确定方法

给出一种适合于水机组性最优调节器的加权矩阵的确定方法－基于次时间最优控制的加权矩阵的确定方法,仿真表明,这种方法有助于设计者快速、准确地得到合适的加权矩阵,避免了盲目试验。在此基础上,针对目前使用较多的对角加权矩阵,给出了相应于机组转速,导叶开度、等状态变量的权系数之间的相互关系。     

变风量空调系统的优化控制算法

变风量空调系统因为控制过程复杂,所以目前难以推广,市场上广泛使用的是定风量空调系统.针对这种情况,从理论上提出了变风量空气处理机组送风温度的优化控制算法,并用Matlab 仿真软件对其进行了仿真分析,仿真结果表明,该算法以更低的能耗达到更佳的运行效果.     

函件业务量的多元回归预测方法

函件业务是邮政的核心和基础业务，函件业务的预测对制定邮政企业发展规划具有十分重要的意义。首先介绍了影响函件业务量的主要因素，然后给出了建立函件业务量多元回归模型的方法，并用近年来的有关数据建立了函件业务量实际模型，对近三年的函件业务量进行了预测。     

采用逆系统设计和二次型最优控制提高变风量箱的性能

采用逆系统设计方法对变风量空调箱的控制系统,包括控制系统的内环(风量控制回路)和外环(房间温度控制回路),进行逆系统设计.消除了在设计时将非线性系统做近似线性化处理所带来的设计缺陷;同时采用二次型最优控制技术对变风量空调箱的控制器进行优化设计,使控制器的参数达到最优值.逆系统设计方法与二次型最优控制技术相结合能有效地改进和提高变风量箱的控制品质和性能.