灰色系统的分离建模方法

首先给出了平移算子和数据序列函数的定义 ,并在平移算子和数据序列函数的基础上提出了一种灰色系统的分离建模方法 .以全国电视机产量的预测为例 ,证明分离建模方法能够提高建模的精度 .这说明分离建模方法是很有意义的.     

缓冲算子的光滑性

针对人们对缓冲算子提高建模精度原因的认识误区,提出了缓冲算子光滑性的概念,给出了缓冲算子能否提高序列光滑性的判别条件,分别研究了弱化缓冲算子和强化缓冲算子的光滑特性,并以实例加以验证.结果表明,弱化缓冲算子一定可以提高序列光滑性;而强化缓冲算子却在降低序列光滑性的同时提高了预测精度.提高序列的光滑性和消除冲击扰动因素的影响是提高灰建模精度的两个不同方面,对于稳定系统,序列光滑性是影响建模精度的主要因素,而对于冲击扰动系统,影响建模精度的主要因素是系统的冲击扰动.     

混沌时间序列建模及预测

讨论了混沌时间序列的建模及预测方法 ,给出了各重要参数的选取算法 ,并应用于实例 ,与传统的时间序列预测方法相比较 ,取得了精度更高的预测结果 ,从而为一类非线性时间序列提供了从数据采集识别到建模预测的完整技术.     

一种基于数据融合的新型GM(1,1)建模研究

基于灰色理论和自适应数据融合技术的研究,提出一种基于自适应数据融合的新型灰预测GM(1,1)模型,并对整个建模过程进行了理论推导。该方法利用自适应数据融合以及累加再生成操作来提高非平稳时间序列的光滑度,从而减少样本序列的随机性,提高重构背景值的精确性以及灰预测GM(1,1)模型的拟合精度和预测精度。最后通过该方法对液浮陀螺仪零漂进行建模仿真,结果表明该方法辨识精度高,优于一般平均值法和灰预测方法,具有良好的应用价值。     

近似非齐次指数数据的灰色建模方法与模型

传统GM(1,1)建模是用齐次的指数序列来拟合原始数据,对近似非齐次指数序列进行建模时会有较大的偏差,而现实中存在大量的近似非齐次指数的数据序列.根据传统灰色GM(1,1)建模机制,提出了一个用非齐次指数序列来拟合原始数据的灰色模型,给出了模型参数的最小二乘解,并给出了模型时间响应函数的表达式. 最后,通过实验验证了新模型的拟合和预测精度实验结果显示,新模型比传统GM(1,1)模型具有更好的拟合和预测精度.     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

基于数据变换的GM(1,1)误差校正方法

提高预测方法的预测效果具有重要意义,但是仅靠建立单一的预测模型来提高预测精度是非常困难的.本文对当前预测方法存在的不足进行了阐述,在此基础上提出将误差校正方法引入预测以提高预测精度的新思路.首先,采用预测方法(文中以T-S模糊神经网络方法为例)对训练样本进行拟合,再对预测对象进行初始预测;其次,引入加速平移变换和加权均值变换对误差序列进行处理,再以处理后的数据为样本构建基于数据变换的GM(1,1)误差预测模型,并对该序列后续点进行预测;最后,利用误差预测结果对初始预测值进行校正.文章最后以上证综合指数的收盘价的预测为例,算例分析表明,与校正前的预测精度相比,校正后的预测精度有显著提高,进而验证了该模型的有效可行.     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

基于EMD与神经网络的中国股票市场预测

应用EMD分解算法、混沌分析和神经网络理论提出了一种中国股票市场建模及预测的EMD神经网络模型.首先应用EMD分解算法把原始股市时间序列分解成不同尺度的基本模态分量,并在此基础上进一步分析, 表明中国股市存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力, 有效提高了预测精度. 实验表明:与现有方法相比, 该方法具有较高的精度.     

运用SAS软件系统对我国农作物受灾及成灾面积的预测分析

运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国农作物受灾及成灾面积作了预测分析 ,得到了较高的预测精度 ,为我国的灾害预测提供了一种方便实用的方法 .     

基于风速预测模型的风电一次调频仿真研究

为进一步提高风速预测精度,考虑数据内部结构性与外部影响因素耦合性叠加特征,以及风电机组功率特性,构建逆向前馈神经网络自回归移动平均模型(back propagation-autoregressive integrated moving average model, BP-ARIMA),并对风电场风速进行预测仿真,通过与实际数据对比分析,验证了所建模型具有较高预测精度。在所建预测模型基础上,基于风力发电机组典型功率特性曲线,统筹考虑储能装置容量优化配置与风电机组的致稳性问题,应用MATLABSIMULINK平台进行风电机组一次调频仿真。结果显示：一次调频控制策略的频率调节能力相较于常规超速减载调频控制可至少提高十个百分点。     

基于BLP-ALO-SVM的风电功率短期预测方法

为了对短期风电功率及其波动范围作出有效预测,提出一种基于混合算法优化支持向量机的风电功率短期预测方法。采用探索性数据分析对原始风速数据进行预处理,提高风速数据的质量;采用混沌映射、莱维飞行策略和粒子群算法提升蚁狮算法的性能;应用经混合算法优化的支持向量机模型对风电功率进行预测。实验结果表明：相较于新型的风电功率预测模型,该方法输出的结果预测误差更低,表现出对于风电功率更好的预测能力。     

基于小波变换与回归分析的融合GNSS水汽、风速和PM10要素的PM2.5浓度模型

PM2.5浓度时空演化分析有助于认知大气污染的发展和现状.由于我国PM2.5浓度监测起步较晚,积累数据短,有必要利用其它已有数据开展PM2.5浓度模型研究.PM2.5浓度变化受到内部因素与外部气象条件的影响.本文以河北省为例,选择PM10为影响PM2.5浓度变化的内部因素、水汽与风速为PM2.5浓度变化的外部气象条件,融合三种要素构建多变量PM2.5浓度模型.开展了PM2.5与PM10、水汽、风速的相关性分析,鉴于水汽值存在季节性差异,利用小波变换对水汽序列分解重构后再开展PM2.5与水汽的相关性分析.采用回归分析方法构建了融合PM10、水汽、风速的PM2.5浓度多变量预测模型,利用PM2.5实测值进行了模型的可靠性检验.研究发现:PM2.5与PM10、小波变换分解重构后的水汽呈正相关,与风速呈负相关;与PM2.5浓度实测值相比,多变量模型PM2.5浓度预测精度优于单变量模型;对于PM2.5浓度分级预测效果统计,在大气空气质量为良、轻度污染、中度污染的情况下,多变量模型PM2.5浓度预测效果较好.基于多变量要素模型反演的PM2.5浓度序列可用于河北省大气污染变化分析.     

非等时序列预测的时数分离研究

在提出阶段序列概念的基础上 ,提出了时数分离的方法 ,用以解决灰色理论中的非等时序列预测问题 .该方法将时间序列、数据序列分离 ,并分别与阶段序列构成模型后 ,进行同步预测 .应用这种方法 ,分析了德兴铜矿 1 #尾矿坝的渗流趋势 ,结果表明这种模型有较好的预测效果 ,能满足工程需要.     

基于数字地球平台的热带气旋可视化研究

热带气旋常伴随发生暴雨、风暴潮等,对我国东南沿海影响严重。热带气旋可视化能直观地展示其运动状态、发生过程和内部结构,为研究、预报提供支持。基于开源库Cesium构建数字地球平台,介绍了系统架构,验证了点云法对云场数据可视化的适用性,提出了一种基于粒子追踪的改进风场可视化方法,包括风场粒子属性计算、风场粒子绘制及风场粒子管理。仿真试验表明,利用点云法仿真的云场细节丰富、纹理清晰;利用改进方法仿真的风场相较于传统方法,在保证性能损失较少的情况下,实现了动态与渐变效果,更具真实感。为真实再现热带气旋数据中的云场与风场提供了一种可行的技术途径。     

具有速度特征的动态综合评价模型

在综合评价中, 不仅要了解被评价对象的排序情况, 掌握被评价对象的变化速度情况同样重要. 为此, 运用数学建模的手段, 综合考虑被评价对象变化速度的状态与趋势, 从信息集结的角度对多时段内被评价对象的变化速度进行动态综合评价研究. 以变化速度状态测度模型来描述被评价对象变化速度状态, 以变化速度趋势测度模型来描述被评价对象变化速度趋势, 在此基础上, 提出了将变化速度状态和变化速度趋势融合的动态综合评价模型, 该模型可以更全面地对多时段内被评价对象的变化速度进行测度. 最后通过一个算例验证了该模型的实际可操作性.     

基于WLS-SVM的变速风力机有效风速估计

控制技术是大型变速恒频风力发电机组安全高效运行的关键。有效风速的精确估计可以提高风力发电机组的控制性能。由于风力机处于三维时变的风场环境中，风速在整个风力机旋转平面上分布不同，风速计测量得到的风速和整个风力机旋转平面所受到的有效风速有很大差别，因此有效风速是不能直接测量的。采用加权最小二乘支持向量机(WLS-SVM)对有效风速进行预估。仿真结果表明，该算法具有很高的估计精度，有效风速估计值能较好地跟踪有效风速的变化趋势。     

北京市三次产业预测分析

通过研究北京市产业结构的发展趋势 ,为北京市“十五”计划期间产业结构的升级和优化提供信息支持 .为了研究北京市三次产业结构的动态规律 ,对于一序列按照时间顺序收集的成分数据 ,本文提出一种非线性降维方法和预测模型 ,用于分析饼图中每个份额随时间的变化规律 .     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。