基于绝对误差的线性组合预测研究

针对组合预测效果评价中存在着把拟合精度和预测精度相混淆的问题,阐述了区分样本区间和预测区间的组合预测精度评价方法,并在预测区间上对2种常用的基于绝对误差的线性组合预测方法的预测精度进行了评价,对评价结果进行实例和理论分析。在此基础上,提出一种新的基于绝对误差的线性组合预测方法——基于预测模型有效性的线性组合预测方法。     

电力系统负荷的线性组合预测法

通过把电力系统负荷预测的3种主要方法外推法囝疋色预测法和人工神经网络法结合起来,建立起一种线性组合预测模型。组合模型可吸收单一模型的优点,提高了预测精度,实例证明这种组合模型具有较好的实用性。     

边际电价预测中的误差分析方法研究

针对目前电价预测中误差分析方法繁多、各方法之间可比性差的现象进行分析,总结了电价预测中常用的各种误差分析方法的优缺点,并推荐采用一种新的误差分析方法即中值相对误差来评价各种电价预测方法的精度。实际算例结果表明,该分析方法合理且有效。     

福建省公路货运量组合预测研究

公路运输量的预测对公路系统的规划建设,公路系统的合理利用,具有重要的意义。本文在灰色预测、指数增长曲线、抛物线型曲线三种单一预测模型的基础上,利用基于误差绝对值和最小的线性组合预测模型对福建省公路货运量进行预测。预测结果表明,组合预测比单一预测模型具有更高的预测精度,说明该组合预测模型对福建省公路货运量的预测是可行的。     

基于LSTM与XGBoost组合模型电价预测

为准确预测电力市场中的短期电价,提出了基于LSTM和XGBoost的组合预测模型。为了验证LSTM-XGBoost模型的有效性,该文先选用法国电力市场2019年1月1日至2020年12月31日的电价数据为训练集训练模型,对2021年1月1日不同模型预测的结果与实际电价值进行对比,得到LSTM-XGBoost以RMSE为0.74的误差率低于BP、LSTM、XGBoost的3.80、1.25、0.88,然后将算法应用到美国PJM电力市场,结果表明本文提出的LSTM-XGBoost组合预测模型MAPE平均值为1.83%,明显低于单一预测模型,也显著低于GRU-XGBoost组合模型,表明并非所有模型单一组合都能有效提高预测精度,该文提出的LSTM-XGBoost组合模型有效提升了短期电价的预测精度,且具有很强的普适性,可应用于电力市场短期电价预测,为市场参与者和监管机构提供有力决策依据。     

加权几何平均组合预测方法在公路客运量预测中的应用研究

对我国公路客运量进行科学、准确的预测,提前掌握客运量的变化发展趋势及规律,是为职能部门制定公路客运发展规划和配置基础设施的基础。提出基于向量投影法的加权几何平均的组合预测模型,并运用该模型对某城市2003－2015年公路客运量进行了预测,预测结果表明该方法具有较好的预测精度。     

矿井延深水平相对瓦斯涌出量的组合预测

根据组合预测的基本原理，建立了矿井延深水平相对瓦斯涌出量的组合预测数学模型。实例分析表明：组合预测提高了预测精度，是一种切实可行的预测方法。     

定性预测与定量预测的综合运用研究

定性预测和定量预测各有其优点和缺点。这里介绍了它们各自的特点，并介绍了3种综合运用定性预测和定量预测的方法，在此基础上通过具体事例解释了它们的应用，然后比较了3种综合方法的相对适用情形。     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,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,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。     

基于最优组合的短期电价预测研究

准确的短期电价预测可为发电企业制定科学合理的竞价策略提供的指导,预测的精准度直接影响着发电企业的利益。针对电价预测的精确度问题,引入组合预测模型,将两个单一电价预测方法有机地结合起来,综合各种预测方法的优点,得到了更准确的预测结果。最后通过具体算例验证了该组合预测方法的可行性。     

基于组合预测模型的西藏人口分析

本文建立了西藏地区人口数量的组合预测模型,模型理论可靠,稳定性高,且预测精度好,经过计算得到了西藏地区未来五年的人口发展趋势．该模型可以普遍应用于人口分析和预测工作．     

汇率预报的非线性组合建模与预测方法研究

近年来的经济统计研究表明,组合预测比单项预测具有更高的预测精度,但线性组合预测方法在汇率的组合建模与预测方面存着较大的局限性。本文提出了一种基于支持向量机回归(SVM)的汇率非线性组合建模与预测新方法,并讨论了建模中SVM核函数、损失函数的选取和容量控制等问题。对于英镑、法郎、瑞士法郎、日元对美元等汇率时间序列的组合建模与预测结果表明,该方法具有很强的学习与泛化能力,在处理外汇市场这种具有一定程度不确定性的非线性系统的组合建模与预测方面有很好的应用价值。     

基于预测有效度的优性组合预测模型研究

针对基于预测有效度的组合预测模型提出了新的优性组合预测、预测方法优超和冗余度的概念 ;指出了简单平均组合预测方法至少是非劣性组合预测 ;并探讨了优性组合预测存在的充分条件 ;给出了冗余信息出现的两个判定定理     

基于改进灰色预测模型的电力需求预测研究

当建模序列具有随机振荡特征时灰色预测模型的模拟及预测精度较差,实际上序列越光滑模型的模拟精度就越高;本文通过改善建模序列的光滑性以提高灰色预测模型的模拟精度,研究了一种压缩随机振荡序列振幅的算法,推导了基于随机振荡序列的灰色预测模型^x(t)=Fβt-31-(-1)tE-T;最后应用该模型预测我国西部某城市的电力需求,并与其他灰色预测模型的模拟精度进行了比较(新模型的模拟精度为7%,其他模型的精度均为12%),表明新模型具有更好的模拟效果,研究成果对丰富与完善灰色预测理论体系,促进灰色模型与电力需求预测的对接,具有积极意义。     

呼和浩特市城市基准地价发展趋势灰色预测

以1998-2003年呼和浩特市城市综合用地基准地价资料为基础,经数据处理,得到以2001年地价级别为基准的不同年份各级别的基准地价,以此为原始数据,应用灰色系统理论构建GM(1,1)模型,经模型精度检验后,预测了呼和浩特市2004-2007年城市综合基准地价,并对预测结果进行分析．     

基于灰色系统理论的中医医院门诊工作量分析及预测研究

门诊量的准确预测可以更好地为门诊医疗资源的有效配置提供决策支持,合理安排门诊资源可大大降低病患的就诊难度,增加病患的就诊意愿,同时也可在一定程度上提高医院的效益.通过提出一种两阶段灰色预测模型对安徽中医药大学第一附属医院门诊量进行预测,对第一阶段灰色预测残差进行二次分析,克服以往单一灰色预测方法所具有的局限性,提高预测精度.最后,通过一个实例对所提方法进行验证,结果表明,所给模型具有较高的预测精度.     

面向MIS的预测支持系统的研究

通过对预测支持系统研究现状的分析,讨论了预测支持系统如何更好的适用于MIS,为其提供预测支持.并提出了更加适应MIS当今和未来发展的预测支持系统构建模式.     

高比例风电下电力市场短期电价预测

为应对近年来国内风电渗透率不断增加、大量清洁能源并入电网给日前电价预测带来的挑战,提高高比例风电接入情况下电力市场短期电价预测精度,本文将高比例风电情况下的风电出力与负荷数据进行融合得到了一项改进的输入特征变量,代表风电与负荷共同对电价的影响程度。采用最大信息系数法分析各特征变量与电价之间的相关性,并结合长短期记忆神经网络（Long-short Term Memory, LSTM）与注意力机制(Attention)的特点构建了LSTM-Attetion预测模型,然后对不同输入条件下的预测结果进行对比分析,数据结果显示,引入该输入特征变量后模型的预测精度都有明显提升。经过进一步算例实验后表明,本文所提出的特征变量相比风荷比而言更能能够有效提高高比例风电情况下电价预测精度,适用于许多经典算法。     

改进的时间相关序列股票价格混合预测模型研究

金融股票市场是一个极其复杂的演化系统,因此对股价波动进行准确预测是投资者理性规避投资风险的重要渠道。本文首先通过构建科学性较强的自回归移动平均与支持向量机（ARIMASVM）模型分析一维金融时序数据的线性成分,对我国股价波动进行样本内预测并与真实数据作比较,再利用改进的支持向量机（TGDSVM）模型基于金融面板时序数据处理线性预测后剩余的非线性成分信息。采用平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对比例误差（MAPE）、回归指数（WIA）、百分标准误差（SEP）与Nash系数六个预测精度指标检验五只股票日收盘价的预测精度。仿真结果表明：改进的时间相关序列（ARIMA-TGD-SVM）股票价格混合预测模型可以很好的弥补传统支持向量机（SVM）模型对解决多分类问题存在困难和对大规模训练样本难以实施的不足,并有效解决其利用欧式距离表征时序数据内部真实相互关系不足的缺陷,能够为股市预测提供理论依据和实际应用奠定基础。     

最大误差绝对值达到最小的区间组合预测模型

针对实际值序列和预测值序列均为区间数的情形,给出最大中心误差和最大长度误差绝对值达到最小的多目标模型,转化为单目标线性规划问题进行求解．最后,通过具体算例对文中方法的可行性和有效性进行了验证．