冬天极端低温回归时间的长程相关性

利用去趋势波动分析法研究了全国176个站点的1960—2005年冬天日最低温度序列的长程相关性和对应的极端低温回归时间序列的长程相关性.结果表明,这176个站点的回归时间序列的长程相关性标度指数在0.42~0.72之间,冬天日最低温度序列的长程相关性标度指数在0.55~0.8之间,而且回归时间序列的长程相关性比冬天日最低温度序列的长程相关性弱,在全国这2种序列的长程相关性的强弱分布大致相同,回归时间序列的长程相关性与冬天日最低温度序列的长程相关性紧密相关.     

电力负荷预测中回归方法的运用

电力负荷预测作为电力市场的一个重要研究领域,直接关系到市场计划或调度部门制定购电计划、安排机组启停的工作效益和效率,有着重要的实际意义。本文分别将多元线性回归、支持向量回归、序列最小优化、基于灰色理论的序列最小优化四种方法应用到负荷预测中,对某省负荷数据算例进行了实验对比分析,结果表明基于灰色理论的序列最小优化算法比线性回归、支持向量回归算法具有更好的适应性和预测精度。     

船舶电力负荷预测混沌时间序列分析法

为提高船舶电力系统安全稳定性,提出对船舶电力负荷时间序列进行预测.首先分析船舶电力负荷是否为混沌时间序列,利用相空间重构对船舶电力负荷时间序列的最大Lyapunov指数进行了定量计算,由计算结果发现船舶电力负荷具有混沌特性.在此基础上,提出了船舶电力负荷预测模型,该模型将混沌局域预测与灰关联相结合,并将相点间的关联性大小经过加权的方式作用于船舶电力负荷预测模型.实际船舶电力系统的计算分析表明,灰关联加权局域预测模型具有较高的预测精度,是一种有效的用于船舶电力负荷混沌时间序列的预测模型.     

船舶电力推进系统电力负荷混沌特性分析及预测

为实现船舶电力推进系统功耗的最优控制,提高船舶运行的经济性,建立了基于正则化的电力负荷混沌局域预测模型.运用相空间重构理论对船舶电力推进系统电力负荷进行单变量时间序列相空间重构,计算吸引子的Lyapunov指数,验证船舶电力推进系统电力负荷具有混沌特性,进而构建更为精准的由船舶电力负荷及其影响因素构成的多变量时间序列相空间.实验结果表明,该预测模型是有效的,且具有较高的预测精度.     

西南两省电力负荷预测及研究

在分析经济发展状况的基础上,运用了电力负荷预测中的灰色系统理论预测法、一元回归预测法和指数回归预测法对云南、贵州两省进行了2006-2010年5年的用电量分析,目的是为今后的电力发展规划提供些许重要的信息。     

时间序列分析中指数平滑法的应用

对于平稳时间序列分析,最常采用4种方法即指数平滑法,自回归法,自回归综合移动平均法和季节分解法。本文通过具体实例分别介绍指数平滑中三种不同方法即Simple法,Holt法和Winters法的应用。它们是分别适用于时间序列数据集无趋势和季节变化,有线性趋势无季节变化和有季节变化的模型分析法。     

电力呼叫中心话务量的指数平滑预测方法

采用基于时间序列的指数平滑预测方法对电力呼叫中心的话务量进行了预测,根据话务量预测准确率,分析影响电力呼叫中心话务量的因素,修正了话务量预测模型,提出了适合电力呼叫中心的话务量预测框架,并通过对比实验结果的分析得到了不同时期话务量预测的方法.     

小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理．将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测．最后将预测结果叠加,得到最佳预测结果．结果表明,该方法能够取得较好的预测精确度．     

基于支持向量回归的非线性时间序列预测

针对实际系统的高度非线性及复杂动态性,把非线性时间序列建模与预测问题转换为函数回归估计问题.把具有全局最优性、较好泛化能力及训练效率高的最小二乘支持向量回归算法应用到非线性时间序列预测与建模中.最后给出了某市年电力负荷预测的应用实例,与传统支持向量回归算法相比,文章描述的方法具有较好的预测精度.     

最小二乘回归支持向量机对非线性时间序列预测的试验分析

利用最小二乘回归支持向量机LS-SVMR(least square support vectors machines for regression)对2个不同长度的时间序列资料,国家气候中心1982年1月～2005年12月Nino3区逐月海温距平指数(短序列),及1950年1月～2006年12月Nino3区逐月海温距平指数(长序列)资料进行了预测试验,以验证支持向量机对气候变化中非线性时间序列的预测效果.结果表明:通过训练建立的最小二乘回归支持向量机模型,较好地反映了Nino3区海温距平指数的变化规律,36个月的预报效果较好,具有一定的可信度.资料的长度越长,预测结果与实测值的变化趋势越接近,但资料长度对均方根预报误差不敏感.     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

一次函数变换GM(1,1)模型分析及直接离散GM(1,1)模型的建立

分析了基于一次函数变换的GM(1,1)模型提高预测精度的实质,即模拟序列从原有的纯指数序列变成了非齐次指数序列,并指出提高光滑度并不是提高预测精度的决定性条件,建立了模拟序列为非齐次指数序列的直接离散GM(1,1)模型.该模型不对原始数据做任何改变,实例应用结果表明其预测精度同一次函数变换的GM(1,1)模型相当,指出了改变模拟序列特征使其更接近于原始数据的发展,对于提高预测精度更具意义.     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

系数为非对称指数型模糊数的多元线性最小二乘回归

使用模糊数之间的某种距离和的最小二乘方法，研究了模糊多元线性回归模型，此模型的输入为精确数据，输出为模糊数据，回归系数为非对称指数型模糊数，并通过讨论一元模糊线性回归模型，推导出三组正规方程组以分别用于求解模型回归系数的模糊中心参数，左边参数和右边参数，然后将此结果推广到多元情形，考察了观测值与估计值之间的拟合优度。     

湖北省粮食总产量的预测

本文应用了灰色系统GM(1,1)模型、自回归的二阶差分模型、三次指数平滑法、指数回归和环比预测五种方法,对湖北省的粮食产量进行了中长期预测,取得了较好的效果。     

加权线性回归及其应用

介绍权的定义、权的性质、协因数传播律,讨论加权回归的本质以及加权回归法在幂函数、指数函数、双曲函数、S型曲线4种拟线性回归模型中的应用.     

随机变量序列与指数分布序列的比较及相应的强偏差定理

利用对数似然比作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量 ,运用鞅理论及分析方法 ,研究了一类随机变量序列加权和的用不等式表示的极限定理 ,即强偏差定理     

工具变量线性回归模型的指数平方损失估计

在讨论协变量和响应变量关系时,常会遇到内生变量,已有关于内生变量的研究大多是在最小二乘目标函数的框架下讨论,然而该方法不具有稳健性,鉴于此,本文采用指数平方损失估计方法,构造模型中回归系数的稳健估计.为了克服内生变量对估计产生的偏差,利用工具变量消除协变量的内生性,再构造回归系数的指数平方损失估计;针对指数平方损失目标...     

随机变量序列基于指数分布的强偏差定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的用不等式表示的极限定理,即强偏差定理