中长期电量预测的傅里叶-马尔科夫修正模型

灰色模型在中长期电量预测中只对电量呈近似指数规律单调增长的序列才有较高的预测精度.随着电量变化随机波动性的增强,建立新的修正预测模型是十分必要的.针对灰色模型抗干扰能力差的问题,提出了灰色预测的傅里叶-马尔科夫修正模型,先利用傅里叶级数法,提取周期信息,优化电量变化的指数率,再采用马尔科夫链法,将电量波动随机性嵌入模型之中,从而对灰色预测的原始残差进行二重修正,提高预测模型的适应性和灵活性.通过实例分析以及对比验证表明,该模型有效地提高了预测精度.     

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.     

一种提高灰色模型拟合精度的简便方法

GM(1,1)模型是一种应用广泛的呈指数增长趋势的灰色系统模型.它的拟合精度与建模数据序列的光滑度有关.建模数据序列光滑度越高,灰色系统模型的精度越高.根据线性函数变换和逆变换的知识,提出了通过对建模数据进行线性函数y=px q变换来提高灰色模型拟合精度的一种简便方法,并且从理论上证明了这种变换可以有效提高建模数据序列的光滑度.算例分析的结果表明,对建模数据序列进行线性函数y=px q变换的方法在提高灰色GM(1,1)模型拟合精度方面是有效的.     

基于函数(e~x+1)~t变换的GM(1,1)模型及其在建模中的应用

提出了对原始建模数据进行函数(ex+1)t(t<0)变换,证明了这种变换可以有效地提高建模数据序列的光滑度和所建模型的精度,而且其模型精度优于对数变换所建模型,从而拓宽了灰色模型的应用范围.且用文中方法建立了我国人均发电量的数学模型,实例表明该方法的有效性.     

“平移序列”的灰色预测模型及其在国庆黄金周中的应用

结合原始灰色预测模型GM(1,1)和灰色系统理论中平移序列,给出了“平移序列”的灰色预测模型,它具有数据光滑度好,预测精度较高的优点.利用此模型对2003年和2005年云南省国庆黄金周接待游客人数做出了精度较高的灰色预测.     

灰色预测模型的改进

用提高原始数据列光滑度的方法来提高GM模型的精度,从而改进灰色模型,并从理论上证明了该方法比对数函数变换、开方变换、对效函数开方的复合变换、指数函数及指数函数开方的复合变换等已有提高光滑度的方法更有效,笔者提出的“幂函数一指数函数”复合变换很大程度上提高了灰色模型的预测精度,使许多原本不能用灰色模型预测的问题得到解决。     

基于时间序列的全国交易电量预测

本文根据2009年至2012年全国交易电量的月度数据,分别用时间序列分解法、温特斯线性和季节指数平滑法对2013年1-4月全国交易电量进行预测,并将两种预测法进行了对比分析。     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

小波变换和DGM(2,1)模型在昆明市人口预测中的应用

对于昆明市人口呈不均匀的增长趋势,传统的灰色预测方法并不能取得很好的预测效果.将小波变换与DGM(2,1)模型相结合,利用小波变换去除原始序列中的噪声,将非光滑的原始序列转化为相对光滑的新序列,然后通过DGM(2,1)模型对新序列进行预测,可以得到较为满意的预测效果.以2006—2014年的昆明市人口数据为基础,预测2...     

一种改进的灰色预测模型在人口预测中的应用

城市人口的发展关系着其经济、环境及资源的利用,因此,准确预测未来人口发展趋势及其规模,对制定合理的人口规划具有现实意义.本文以传统的GM(1,1)模型为理论基础,利用对数变换提高数据的光滑度,通过分析方程解的表达式,从背景值和初值两个方面提高模型精度,最后依据银川市2001年—2007年人口数据建立预测模型进行实证研究,结果表明模型预测效果理想.     

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.     

基于灰色系统理论的湖南省电力需求分析与预测

在灰色系统理论的基础上,给出了影响电力消费的社会经济因子灰色关联分析,设计GM（1,1）预测模型较好地预测了2003—2015年的湖南省电力需求．结果表明,湖南省电力需求与湖南省城乡居民收入水平有密切关系,为用灰色关联理论方法预测湖南省未来电力的需求提供了可信度．2003—2015年湖南省电力需求预测精度较高,能够反映其实际发展趋势．     

共享单车需求预测及调度优化

为了更加准确地预测共享单车的需求量,制定合理的调度优化方案。针对共享单车骑行数据的周期性、非线性和随机性的特点,提出了季节性灰色Markov模型来预测共享单车需求量。在此基础上,根据双层规划模型结果来制定调度优化方案。在季节性灰色Markov模型中,首先将原始数据带入季节性GM(1,1)模型得到预测结果,然后用Markov模型对预测的残差进行修正,得到最终的预测值。在双层规划模型中,上层目标为运营商的调度成本,下层目标为调度中心的调度时间,双层规划模型用GUROBI求解器求解。最后将两种模型应用于纽约市17个Citi Bike共享单车站点的算例分析。数值计算结果表明：季节性灰色Markov模型在17个站点从周一到周五的需求量预测的平均绝对百分比误差(mean absolute percentage error,MAPE)为10.68%,预测精度较高。利用双层规划模型制定的调度优化方案能确定调度中心数量、位置,调度范围和调度路径,可以在满足用户需求的同时使调度成本和调度时间最优。研究提出的需求预测模型和调度优化方案可以为共享单车运营部门和交通管理部门提供有效的参考。     

灰色预测模型的有限自动机的实现问题

负荷预测是整个电力系统规划的依据,目前国内外负荷预测方法及建立相应的数学模型也很多,特别是灰色预测模型,对此有过成功的应用,现引进有限自动机理论研究模型在时序电路中的实现问题。     

关于安徽省人才需求的组合预测

本文选取安徽省历年各个学历毕业生人数作为人才需求指标.根据2006年至2010年的历史数据对2011年至2020年安徽省人才需求做了灰色预测分析,然后根据安徽发展现状、经济发展前景运用柯布-道格拉斯生产函数对2011年至2020年安徽省人才需求进行了预测.然后使用两个模型的组合预测对模型的预测结果进行了修正.预测结果基本能够反映安徽省在"十二五"规划和"十三五"规划期间,也就是未来十年经济发展对人才的需求水平.     

基于灰色马尔可夫链模型的中国能源消费预测研究

随着中国经济的不断发展,能源需求不断上升,能否准确预测中国能源消费量对中国经济乃至全球经济发展都有重要的指导意义.现行的预测方法主要有回归分析法、经验模型法、时间序列法、指数平滑法和灰色系统预测法等.灰色系统预测方法在预测波动性较大的非平稳数列上有不足之处,而马尔可夫预测却适用于随机波动性较大的数列的预测.因此本文将灰色系统理论与马尔可夫链相结合,建立了能源消费总量数据的灰色马尔可夫链模型.实证分析表明,这种模型的预测精度高于GM(1,1)预测模型,预测效果较好.     

一类产品需求预测的支持向量机方法

 需求预测是企业生产运营决策的基础,预测精度影响着产品的安全库存量,关系到企业利润和市场竞争力.建立了一类产品（包含多个品牌）基于支持向量机(support vector machine, SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型（回归预测方法(REG）、双因素指数平滑法(DES)、Winter模型预测方法(WIN)）和径向基神经网络模型(radial basis function neural network, RBFNN)的对比来实现的.实验结果表明,基于SVM的需求预测模型预测精度明显优于其他模型,有效地降低了产品安全库存量,提高了企业利润,为解决这类产品需求预测问题提供了一个有力的工具.     

直升机航迹的灰色预测

介绍了直升机的飞行噪声特性,论述了直升机航迹的预测在作战中的重要性,及探测数据非常有限的情况下准确预测的困难。该文提出了用灰色系统珲论解决直升机航迹预测问题,建立了灰色系统GM(灰色模型)预测模型和九次累加残差模型并对GM预测模型进行修正。在每个采样期间内,实时在线建立GM预测模型和残差模型以提高预测精度。通过实例计算能看出用较少的探测数据可以得到较高的预测精度。     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。