基于预测误差的用水预测模型选择方法研究

时间序列法是用水量预测的常用方法,其中预测模型的选择是提高预测精度的关键.针对目前以拟合精度作为模型选择标准的方法,提出了以预测值的置信区间最小为标准选择预测模型的方法.以山西省运城市工业用水量资料为例,分析给出了幂函数、S函数、直线、指数函数、二次和三次抛物线等6个模型95%置信水平下5年和10年两种预测期的预测区间,均以幂函数预测精度最高;对该系列近5年的用水量进行了预测,预测误差也以幂函数最小.表明以预测区间最小选择用水预测模型的方法是合理的、可靠的.     

城镇工业用水量预测方法研究

在城镇给水系统规划设计中 ,工业用水量预测占有重要地位。文章研究用经济学中的柯布 -道格拉斯生产函数建立城镇工业用水量预测模型 ,并以用水量预测公式拟合中的残差绝对值之和最小为目标函数 ,应用线性规划确定用水量预测公式中的参数 ,以提高拟合精度。实例分析说明了用该文所述方法预测城镇工业用水量 ,具有良好的精度     

基于分形理论的城市日用水量预测方法

针对城市日用水量呈现周期性和自相似性的特点,通过对分形理论的研究,提出了基于分形拼贴定理和分形插值函数迭代过程的城市日用水量预测方法．该方法根据分形拼贴定理,由基于仿射变换的分形插值方法求取一个与历史日用水量记录相近的迭代函数系,建立分形预测模型,对城市日用水量进行预测．首先根据日用水量具有以周为周期的特点,应用相似日拟合模型对日用水量进行预测,平均预测误差为2．06％;然后根据日用水量具有以月为周期的特点对日用水量进行预测,平均预测误差为2．94％．应用表明,该方法实用性强,能够为城市供水优化调度提供决策支持．     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

基于理想点多属性决策算法的中长期电力负荷组合预测

对组合预测方法进行了拓展,将理想点多属性决策算法引入中长期电力负荷预测中,建立理想点组合预测模型,进行中长期电力负荷预测。所建模型中以各单一预测模型的最大误差绝对值、最小误差绝对值、平均绝对百分误差和均方根差4个评价指标的倒数为属性集,以各单一预测模型种类为方案集。计算各模型与正理想点间的偏差,根据正理想点间偏差确定各单一预测模型的权重。通过对某地区全社会用电量进行预测,并与单一预测模型进行误差比较,验证了组合模型的有效性和实用价值。     

基于BP神经网络的城市时用水量分时段预测模型

针对目前时用水量预测模型中对时用水量影响因素分析研究较少的问题,通过分析各种时用水量影响因素与时用水量之间的相关性,筛选出时用水量的主要影响因子;通过分类将1 d划分为3个时段,建立分时段用水量模型。采用BP神经网络预测,精度指标采用平均绝对百分比误差(MAPE)表示。实例分析结果表明:模型预测MAPE均在5%以内,预测精度较高,满足供水系统优化调度的要求,为城市时用水量预测提供一种简单可行的思路和方法。     

基于最小二乘支持向量机的风速组合预测模型

探讨了基于最小二乘支持向量机的组合预测模型在风速短期预测中的可行性.该模型以BP神经网络、RBF神经网络、粒子群BP神经网络3种预测模型的风速预测值作为组合预测模型的输入,实际风速值为输出,利用最小二乘支持向量机回归算法构造风速间的非线性关系,以实现风速多步预测.将该模型的预测性能与BP神经网络组合预测模型、线性组合预测模型进行比较,通过平均绝对误差、误差平方和、平均相对误差3个指标进行评价.结果表明,最小二乘支持向量机预测模型的平均相对误差低于6%,其他误差指标也明显低于其他预测模型.因此,最小二乘支持向量机组合预测模型预测精度不仅高于任一单项预测模型预测精度,而且高于传统的线性组合预测模型与一般BP神经网络组合预测模型.验证了该模型在风速预测中的可行性.     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

基于L_p范数的加权几何平均组合预测

组合预测模型的参数估计方法大都是在预测误差平方和最小准则之下建立的.针对误差平方和最小准则存在的不足,提出一种基于L_p范数的加权几何平均组合预测模型,并给出寻找最优L_p范数的蚁群算法.实例分析表明,该模型给出的组合预测方法为优性组合预测,从而证明了该模型的有效性.     

基于参数化三角范数的铁路货运量选择集成预测

针对铁路货运量预测中预测方法单一、准确度不高、泛化能力弱问题,基于参数化模糊逻辑理论,结合前序法选择策略,提出了一种新的基于Yager三角范数的选择性集成学习模型,并应用于铁路货运量预测.采用5种常用的单预测模型作为候选基学习机模型,以误差率作为评价指标,采用前序选择策略选定2种基学习机进行集成预测;以遗传算法和最小二乘法确定集成模型的参数,实现铁路货运量预测基学习机的最优组合.试验结果显示,对比单预测模型、最优组合预测模型和均方误差导数预测模型,新提出的选择集成模型取得了最低的误差率,表明其在铁路货运量预测中能够有效提高预测精度.     

预测模型组合开关

不同预测模型在同一时刻都存在不同的预测误差,最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,我们设计一种预测模型组合开关,根据数据的变化,不同时刻采用不同预测模型,使预测误差每一期都最小,或不是最大.实证结果表明,预测模型开关能够根据数据特征有效控制模型输出.     

组合预测模型在物流需求预测中的应用

通过对物流需求影响因素的分析，建立了回归分析、灰色系统及神经网络方法的物流需求单项预测模型，鉴于单项预测模型的局限性，以误差绝对值加权和最小为最优化准则，建立了物流需求组合预测模型，并辅以实例进行分析和验证，通过误差的分析表明该模型能够改善预测精度，可以作为未来物流需求量预测的有效工具。     

城市用水量预测的混沌理论研究

分析了混沌理论特征,利用城市用水量混沌特性,建立城市用水量短期预测模型,对城市用水量进行科学预测.利用历史数据信息,在相空间重构基础上对城市用水量时间序列进行分析,分析饱和嵌入维数、延迟时间和Lyapunov指数求解方法并对其进行计算,并以此为指导对城市用水量进行高精度预测.利用建立的模型对东北某市日用水量进行预测,结果表明基于混沌理论的城市用水量预测模型具有较高精度,对于受众多因素影响的城市用水量预测有良好的推广价值.城市用水量受众多因素影响,混沌理论为城市用水量预测提供了崭新思路.     

对前馈型神经网络股价预测的一点改进

为减小预测误差，目前的方法是：选择对股价有显著影响的输入变量；调整网络结构及选择合适的参数；优化学习算法．这些方法都是以实际股价作为网络的预测．本文提出的方法是以相邻两天的股价差价作为网络的预测．本文在相同的数据上分别建立股价预测模型和股价的差价预测模型，并对它们的结果进行对比分析，结果表明差价预测模型的预测误差小，预测效果好．     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

基于预测模型的基本养老保险问题分析

针对单一预测模型误差大的问题,在介绍灰色GM(1,1)模型、二次指数平滑预测及Logistic曲线方程3种预测方法的基础上,引用最优加权组合建模理论,以均方误差平方和为最小目标函数确定权重系数,建立组合预测模型。通过对徐州市2004—2010年基本养老保险基金的分析,表明组合预测模型平均精确度非常高,是可靠和具有实用价值的。最后运用所建预测模型,对2011—2020年徐州市基本养老保险情况进行了科学分析预测。     

改进的灰色预测模型在全国用水量预测中的应用

针对水资源供需日趋严重的问题,应用灰色预测理论,以国家统计局发布的2000-2012年的全国用水量为建模数据,分别建立了普通灰色预测模型以及带有弱化算子的灰色预测模型,对全国用水量进行了短期预测,并验证了模型的实用性.此外,通过两个模型的对比,反映了带有弱化算子的灰色预测模型预测结果更精确.     

加权组合模型在城市用水量预测中的应用

鉴于传统灰色模型在建模中存在固有偏差的问题,本文采用无偏灰色GM(1,1)预测模型.在无偏灰色预测模型表达式的基础上,又提出了非线性的预测模型,并将其用于城市的用水量预测上.考虑到单一预测模型在预测过程中存在的不足,用最优加权组合模型对无偏灰色GM(1,1)模型和非线性模型进行组合,并将加权组合模型首次用于遂宁市的城市用水量预测.预测结果表明,组合模型的预测精度优于单一的预测模型,预测结果与城市的实际用水量拟合较好,该方法可推广到其它类似城市的用水量预测中.     

基于IOWHA算子的人口组合预测与分析

以1979-2012年河南省人口总量为样本区间,在ARIMA、非线性回归和Gompertz曲线3种单项预测模型的基础上,根据预测值倒数的误差平方和最小准则构建基于IOWHA算子的组合预测模型.该人口组合预测模型能够综合利用各单一预测模型的预测信息,有效的减少预测误差,提高预测精度.预测结果显示:河南省人口总量2015年将达到10 807.08万人,2020年将达到11 555.64万人.     

最优组合预测及其在瓦斯浓度预测中的应用

瓦斯浓度预测是预防煤矿瓦斯事故的关键技术之一,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现瓦斯浓度预测模型的最优组合,利用实际数据、通过与单一时间序列模型、线性回归模型及人工神经网络模型的预测精度对比分析,验证了瓦斯浓度最优组合预测模型的有效性和实用性。