最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.     

基于IOWA算子的我国粮食产量组合预测研究

以1978—2018年我国粮食产量数据为样本,提出基于IOWA算子的组合预测模型,对我国未来5年的粮食产量进行预测。首先建立时间序列ARIMA模型、Holt-winters加法模型和多元线性回归模型,运用3个单项预测模型对1978—2018年间我国的粮食产量进行拟合,然后基于IOWA算子建立以误差平方和最小为准则的组合预测模型,最后运用基于IOWA算子组合预测模型对我国未来5年的粮食产量进行预测。结论表明:基于IOWA算子的组合预测模型具有更高的预测效果,能够使得单项预测模型提供的有效信息得到全面利用,更精准地预测我国粮食产量;我国未来5年的粮食产量还会持续增加,并且每年的平均增长速度为1.3%。     

基于数据序列特征的灰色模型优化新思路

灰色预测以原始数据序列的生成为基础构建模型,原始数据序列特征直接影响预测模型精度.论文通过剖析灰色预测模型的建模机理,运用实证分析方法,揭示数据序列长度、数据序列信息、数据序列光滑度与灰色预测模型精度的关系,并据此提出灰色预测模型优化方法新思路.     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

基于组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,本文分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具。根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤。     

灰多元前移线性回归组合预测模型的构建及其应用

基于灰色系统理论具有时间序列和累加的特性,将灰色理论引入到前移线性回归分析模型中,建立一种新的组合预测模型―灰多元前移线性回归组合预测模型.该模型很好地处理了灰色系统模型中难以体现线性因素的问题,同时也大大弱化了前移线性回归分析模型中异常数据对预测效果的影响,使预测能及时跟踪因变量的动态变化.本文重点将上述组合预测模型应用于湖南省电力需求的预测问题中,结果表明,该模型在实际应用中是十分有效的,预测结果可以作为管理决策的理论依据.     

灰色组合预测模型及其在人口预测中的应用

分别以原始数据的一次累加生成序列中的每个数据作为初始条件,建立了多个GM（1,1）预测模型,进一步建立了线№组合预测模型,组合模型的权系数利用蚁群算法确定．最后给出了我国人口数量的组合预测模型,计算结果表明,灰色组合预测模型的拟合和预测精度要优于单个传统预测模型．     

改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

基于组合模型的网络流量预测

为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.     

组合预测模型在汇率预测中的应用

为准确对汇率进行预测,提出基于ARIMA-GARCH~GED模型与PSO-LSSVM模型的汇率组合预测模型.首先,利用HP滤波将汇率分解为长期趋势序列与循环序列,然后运用ARIMA-GARCH~GED模型对长期趋势序列进行预测分析,运用PSO-LS-SVM模型对循环序列进行训练分析,最后将长期趋势与循环趋势的值相加即为汇率预测值.通过实例分析对比发现,此组合预测模型精度高于单一预测模型,可以更加准确预测非平稳汇率时间序列.     

高速公路大中修间隔年限的预测模型

基于高速公路大中修的各种影响因素分析,首先运用主成分分析法对原始数据进行降维处理,消除数据间的相关性,再运用 BP 神经网络进行预测,从而建立高速公路大中修间隔年限的预测模型。实例应用表明,该模型的预测结果较精确,为公路养护部门提供了一种科学的预测方法。     

基于GIOWA算子的中国FDI预测研究

首先通过相图对我国1980~2014年实际利用外商投资(FDI)的数据进行检测发现不存在混沌吸引子,即得出FDI可预测性的结论.接着在ARIMA、Logistic模型、多元线性回归模型的基础上并通过引入GIOWA算子,利用我国实际利用外商投资总额建立一个组合预测模型,并把它应用于我国FDI的预测.通过各类误差比较得出组合预测显著优于三个单项模型的预测结果,证明了组合预测模型对于时间序列的预测具有更好的预测效果.最后利用所建立的组合预测模型对2015~2017年我国FDI进行预测,预测结果表明接下来的三年我国FDI将保持低于5%的增长率稳定发展.     

基于多元回归分析的中国城镇失业率问题研究

从宏观经济层面分析影响我国城镇失业率的相关因素，采用全序列法对所采集的原始数据进行无量纲化处理。分别应用1978-2009和1990-2007年数据得出多元回归分析只适合对失业率的短期预测。最后根据预测模型得出结论扩大出口，减少进口有利于减少我国城镇登记失业率，多元回归预测只适合对城镇失业率进行短期预测。     

基于组合预测模型的飞机刹车系统性能趋势预测分析

为了对飞机刹车系统进行性能趋势预测分析,提出一种灰色关联分析确定权重的组合预测方法。首先,利用BP神经网络(back propagation network,BP)对刹车片的累积磨损量进行预测,得到网络输出序列与向后预测序列。对于灰色预测(grey model,GM)模型利用粒子群(particle swarm optimization,PSO)对其优化;用粒子群优化灰色模型(particle swarm optimization-grey model,PSO-GM)进行预测得到拟合序列与向后预测序列。在此基础上对BP网络输出序列、PSO-GM(1,1)拟合序列与原始数据序列进行灰色关联分析,确定组合加权的权重。最后对各预测模型的向后预测序列用灰色关联分析法得到的权重进行组合加权,得到最终的刹车片累积磨损量趋势预测值。仿真结果表明,采用灰色关联分析确定权重的组合预测方法具有比单预测模型更好的趋势预测效果,具有对刹车系统性能趋势预测分析很好的实际应用价值。     

基于线性回归法和时间序列法的石油产量预测研究

针对石油开采中存在的能源短缺和能源浪费现象,结合石油产量变化的特点,从数理统计的角度出发,利用SPSS统计软件,运用优化的多元线性回归模型和时间序列预测模型,选取某油田2001—2014年的产油量及影响因素数据,建立石油产量动态预测模型,得出两种模型下2015年的石油产量,并与2015年的实际产量比较,预测误差很小,可见模型的预测精度较高,具有一定的实用性,对石油相关部门的生产规划有一定的借鉴作用.     

基于组合模型的新生儿数量预测

近几年我国新生儿数量持续下降的现象已引起政府有关部门的高度重视,科学预测未来几年我国新生儿的数量,已成为政府制定相关政策的关键所在.基于2000—2020年新生儿出生量数据,分别采用时间序列预测模型与灰色预测模型进行单项预测,并使用均方误差倒数法构造对应权重,对我国未来3年的新生儿数量进行组合预测.为适应三孩政策带来的...     

基于小波与DBN的负荷预测模型

针对原始数据存在干扰以及BP神经网络和深度置信网络(DBN)局限性的问题,提出了一种小波与DBN相结合的负荷预测模型.该方法主要是先将原始负荷数据进行小波降噪,将降噪后的数据用来训练DBN模型,最后用该模型进行负荷预测.分别对比BP、DBN以及小波与DBN组合模型对负荷的预测结果与真实值的差异,仿真结果表明小波与DBN组合预测模型预测曲线趋势和真实值的一致性最好,从数据中得出BP、DBN以及组合模型预测结果的均方根误差分别为23.862、13.656和10.477,说明小波与DBN组合模型对负荷预测的准确性最高.     

基于改进灰色组合模型的城市轨道交通客流预测 ——以西安地铁2号线为例

针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.     

基于改进灰色模型的我国天然气产量预测研究

在灰色预测模型的研究基础上,针对灰色预测模型拟合结果误差方面的问题,引入了广义翁氏模型的对数方程式积分形式,以此思想给出了灰色预测模型提高预测精度的理论依据及其改进过程,构建改进后的灰色预测模型.将该改进后的模型用于模拟我国2002年至2011年天然气产量数据,结果显示该改进模型的拟合结果优于改进过程中所应用的任何一个单独模型的拟合结果.使用改进模型预测了2012年至2025年我国天然气产量数据.