短期风功率自适应加权组合预测

首先分别建立了持续法、灰色、支持向量机风功率预测模型,然后利用各个模型的预测误差建立自适应加权的组合预测模型;仿真结果表明:组合预测模型能够充分发挥各个模型的优势,有效提高预测精度。     

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.     

一种新的混合智能预测模型及其在故障诊断中的应用

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题，提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型．首先，利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量，然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数，用支持向量机对其进行预测，最后通过自适应线性神经网络对这些预测分量进行自适应加权组合，得到原始序列的预测值．研究结果表明，对于标准算例和某机组振动趋势的预测，不论是单步预测还是多步预测，该模型的预测性能均好于单一的支持向量机预测方法。     

一种基于专家理性预期的组合预测方法及应用

将多个单预测模型进行组合,是提高预测精度的有效途径.由专家理性预期对待选用的单预测模型从模型拟合、方法应用复杂性、适应性和时效性方面进行多指标综合评价,在此基础上,构建组合权重系数,给出了具有主客观信息集成特征的组合预测方法,将组合预测模型与单预测模型进行分析对比,对我国民用汽车的保有量进行了预测并给出了预测效果分析.模型预测效果分析显示,具有主客观信息集成特征的组合预测模型比单预测模型具有更强的适应性,预测精度大幅提高.     

基于特性和影响因素分析的短时交通流预测

可靠的短时交通流预测是智能交通系统的重要基础。为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素。该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块。单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到。最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性。     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

基于自适应模型遴选规则库的组合预测系统初探

首次提出基于自适应模型连选规则库的组合预测系统的研发原理,探讨组合预测模型遴选规则库的建立方式,提出规则适应性的自适应调节机制原理,构建基于自适应模型遴选规则库的组合预测系统的基本架构.系统可将预测的经验信息与预测的定量方法紧密而有效地结合起来,为提高预测水平和预测系统的研究提供了新的思路.     

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．     

基于多个BDLM的桥梁结构可靠度实时预测

基于桥梁的极值应力监测信息,采用贝叶斯动态线性模型(BDLM),建立了监测应力的贝叶斯动态线性组合预测模型;采用该模型对结构的可靠指标进行实时预测,并通过工程实例进行了极值应力的组合预测和单个预测的精度分析.结果表明:所建立的组合预测模型的一步预测值与单个预测模型、取平均值的点预测模型的都很接近,但组合预测模型具有较高的预测精度;相对于确定性的监测极值应力的可靠指标而言,组合预测模型考虑了监测应力的随机性和不确定性,所得的可靠度较小,可以更好地对结构的安全状态进行评定.     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型,应用投影算法估计模型参数.该模型将对象输出增量分解为2个分量:一个为非零控制增量作用下的强制分量,另一个为控制增量为零时的自由分量,是一种非齐次时变线性模型.此外,应用广义预测控制理论,提出了一种基于该模型的自适应多步预测控制策略,导出了基于该模型的多步最优预测算式和最优控制律.该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性,且模型参数少,算法简单,适用于黑箱系统的控制.仿真结果表明该控制策略是有效的.     

组合预测方法在电力系统负荷预测中的应用

组合预测方法是一种性能优越的预测方法.应用最优组合预测和递归等权组合预测方法将自适应滤波模型、灰色模型、指数平滑模型组合在一起进行电网负荷预测,获得了好的预测效果.     

线性组合模型及在人口预测中的应用

介绍了线性组合模型并以江西省人口数预测为例,分别利用线性回归预测模型、灰色预测模型、Logistic人口预测模型进行预测,并把这3种预测模型进行最优组合和线性组合,用共轭梯度法性求预测模型的系数。然后对这5种预测模型的结果进行比较,结果表明线性组合预测模型的效果比单一预测模型效果好,也比最优组合预测模型的精度高。     

ADAPTIVE FORECAST AND CONTROL OF THE MARKET ECONOMIC SYSTEM WITH FUZZY INPUTS

In this paper, the adaptive forecast and control of the market economic system with fuzzy inputs is discussed. A new method which is adapted for the adaptive forecast and control of this kind of system is introduced. Through a living example the better result is explained concretly.     

结构突变条件下农产品期货市场波动率的预测

在检验农产品期货已实现波动率序列的结构突变等特征基础上,通过构造不同估计窗口大小的ARFIMAX-FIGARCH模型及其线性和非线性组合预测模型来预测农产品期货市场的已实现波动率,并采用基于自助法的MCS检验评价和比较各类预测模型的预测性能。研究结果表明:农产品期货的已实现波动率序列都表现出结构突变特征、不对称性和双长记忆性,并且结构突变点都与一连串的宏观面、政策面重大事件冲击有关;对基于不同估计窗口大小的ARFIMAX-FIGARCH模型所得的单项预测值进行时变加权组合通常能够提供更准确的波动率预测值,并且基于NKR的非参数组合预测模型和基于NRLS和SIC的线性组合预测模型是在结构突变条件下预测农产品期货市场波动率尤其有效的方法。     

贝叶斯动态线性模型的组合预测

组合预测就是将随机变量或向量的点预测进行组合，这些预测是根据几个模型所给出的，一般的方法是求这些点预测的算法平均值。本文给出的是根据模型的预测精度确定权的贝叶斯动态线性模型的组合预测，它的预测精度比取算术平均值的预测精度高。     

系统非线性组合预测方法及在黄河凌汛预测中应用

为了提高预测的精度,尤其是冰凌中长期预测的精度,基于工程模糊集、人工神经网络、遗传算法与组合预测理论,提出了系统非线性组合预测方法,给出了黄河内蒙段冰凌三种单一预测模型的非线性组合预测值．结果表明,所建立的非线性组合预测方法物理意义明确,数学推导过程严谨,预测精度高于任意单一预测模型．     

“模糊控制”模型在农业预测中的应用

本文将预测过程模拟成一个“模糊控制系统”,以预测因子作为系统的输入,预测量作为系统的输入。根据历史资料确定系统的特性,建立模糊控制预测模型;然后,在一定输入条件下,通过预测模型,即可求得预测输出。这一模型本质上属语言控制模型,无需知道输入量与输出量之间函数关系,与经典的数学模型相比更具有广泛的适应性。文中用某地1980－1987年棉花烂铃病流行趋势资料为实例建立模型,对1998－1991年的棉花烂铃病流行趋势进行预测,收到了良好的效果。     

改进层次分析法的瓦斯涌出量组合预测方法研究

为了提高矿井瓦斯涌出量的预测精度,采用改进层次分析法对指数预测,双曲线预测和灰色预测3种传统预测方法,从稳定性,数据利用和适用时间上来进行加权组合,提出一种基于改进层次分析法的组合预测方法,并对西北某矿区4月份的绝对瓦斯涌出量数据进行研究。结果表明,与几种传统方法的独立预测结果相比,该方法精度较高,也易于操作,对矿区瓦斯预测有一定的指导意义。     

非等间距GM(1,1)组合预测模型

根据灰色模型建模特点,利用等维灰色递补动态预测模型的方法建立了非等间距GM(1,1)预测模型。基于这些GM(1,1)预测模型给出了一类非等间距GM(1,1)组合预测方法。实例表明结果理想可靠,有较高的拟合和预测精度。