基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。

基于马尔可夫残差修正灰色模型的轨道质量指数及其分项预测

为研究轨道质量指数(Track Quality Index,TQI)及各分项值的变化趋势,本文考虑动检数据的非等时距特征,构建了关于TQI及各分项值的一阶灰色模型。原始数据经过累加变换后,利用最小二乘法求解模型的灰参数,并引入马尔可夫残差修正方法对灰色模型进行修正。通过对比修正前后灰色模型TQI及各分项的输出值(拟合值和预测值)与实测值,验证残差修正对提升模型预测精度和降低预测误差的改善效果。结果表明:经马尔可夫残差修正后,灰色模型TQI及各分项输出值可以较好反映其波动情况;与修正前灰色模型相比,修正后灰色模型TQI预测值与实测值的平均误差由1.59%降至0.89%,整体预测精度由2级提升到1级;TQI各分项预测值与实测值的平均误差由3.18%降至1.42%,整体精度由2~4级提升到1~2级。从降低误差和提升预测精度两方面看,修正后灰色模型的预测效果明显提升。

基于DBN深度学习残差修正的AUKF超短期光伏功率预测模型

针对线性模型和测量噪声时变因素降低光伏功率预测精度的局限,提出一种分层的光伏发电功率预测模型。通过自适应算法改进无迹卡尔曼滤波实时噪声估计,降低光伏功率预测系统状态空间模型中辐照度、光伏功率测量噪声时变对预测精度的影响,实现光伏发电功率的初步预测。二层预测中,基于DBN深度学习网络修正初步预测残差,降低非线性气象因素对预测精度的影响。利用现场实测数据,通过仿真验证了改进模型具有较好的预测精度、良好的泛化能力和工程应用价值。

基于信号残差修正与PSO-RVM的混凝土拱坝位移组合预测模型

传统的混凝土拱坝位移预测模型仅考虑各类影响因子对预测结果的影响,未充分挖掘残差序列中的有效信息。为此,首先运用关联向量机(RVM)结合粒子群(PSO)算法建立拱坝位移预测的PSO-RVM模型;然后采用奇异谱分析(SSA)对残差序列进行分解,并根据奇异值的累计贡献率筛选分量进行重构;其次利用随机森林算法(RF)对重构序列进行预测,得到残差序列的修正值;最后将PSO-RVM模型预测值与残差序列修正值叠加,建立基于信号残差修正与PSO-RVM的混凝土拱坝位移组合预测模型PSO-RVM+。工程实例表明,奇异谱分析与随机森林算法能有效提取残差序列中的有效信息并对残差进行修正;相较于PSO-RVM、RVM及传统的回归模型(SWR)等位移预测模型,PSO-RVM+组合预测模型的预测性能更优、适应性更强。本研究能为大坝安全监控与健康诊断提供一种新的思路。

基于残差修正GM(1,1)模型的采空区残余变形预测研究

针对灰色GM(1,1)模型直接应用于采空区地表残余变形预测效果一般的问题,以灰色GM(1,1)模型为基础,以一元二次多项式对GM(1,1)模型预测结果进行正化残差拟合修正,构建残差修正GM(1,1)模型,并以等间距和非等间距2种形式的采空区地表残余沉降监测数据集进行实例验证。结果表明:残差正值化处理后的非线性多项式拟合修正GM(1,1)模型的预测精度增益明显,而未对残差进行正值化处理的多项式残差修正GM(1,1)模型预测精度提升效果一般,正化残差拟合修正是有效的GM(1,1)模型后处理改进方式。

基于偏自相关分析和残差修正的径流量GRU预测模型

由于河流径流量具有不规律随机特性,高精度预测径流量始终是一个难题。为了解决此问题,提出了基于GRU(Gated Recurrent Unit)算法构建径流量的预测模型。首先,通过对径流量偏自相关分析,确定了GRU预测模型的时序步长,以确定影响径流量的历史片段长度;其次通过GRU对径流量进行建模并得到估计残差;由于径流量的非稳定性,为了降低径流量的预测偏差,再次应用EMD(Empirical Mode Decomposition)方法对残差部分进行预处理,最后利用GRU对残差部分进行修正,以提高径流量预测精度。结果表明,此方法对径流量的预测精度高于其他模型,为洪水预报的准确度提供了技术支持。

动态残差修正LSTM算法的突发型滑坡位移预测

针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法。首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势。结果表明:将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R 2指标分别为43.843、1.901%、79.394和0.960,相比于传统LSTM预测方法具有明显优势。

基于灰色预测的空间多点残差修正模型研究

在分析灰色单点预测模型不足的基础之上,综合考虑变形点之间的空间相关性,提出将残差修正应用于空间多点模型,引入空间多点残差修正模型。对黄河小浪底水利枢纽工程B断面沉降监测结果的分析表明,该模型整体模拟与预测相对误差绝对值之和(5个周期)为122%,优于空间多点模型的179%与GM(1,1)模型的284%。同时,短周期数据模拟(5个周期内)相对误差能够控制在20%以内,具有最好的数据拟合精度。

基于灰色残差修正理论的目标航迹预测方法

针对灰色理论在智能反坦克子弹药对地面目标航迹预测的精度问题,提出两种灰色残差修正的航迹预测模型:标准灰色残差修正模型(GRMM)和基于灰色Verhulst模型理论的灰色Verhulst残差修正模型(GVRMM)。建立目标航迹灰色预测模型,并分析了灰色模型的局限性;对预测值与测量值的残差序列采用GRMM和GVRMM两种模型进行了在线预估,并利用残差预测值对航迹预测值进行实时修正。通过仿真实验验证了基于在线残差修正机制的方法能够有效减少目标跟踪误差,GVRMM的误差修正效果更加明显,具有良好的实用性。

灰色GM(1,1)残差修正模型在滑坡预测中的对比应用

在传统GM(1,1)模型的基础上,经过不同方式的残差修正,分别建立了一阶残差修正GM(1,1)模型和二阶残差修正GM(1,1)模型。根据滑坡的监测资料,对变形曲线为光滑型滑坡(如黄龙西村滑坡、某滑坡)和阶跃型滑坡(如新滩滑坡、洒勒山新滑坡)分别建立了传统GM(1,1)模型和一阶、二阶残差修正模型,并对不同滑坡各模型的预测精度进行了分析比较。结果表明,残差修正GM(1,1)模型的预测精度明显高于传统GM(1,1)模型的预测精度。对变形曲线为光滑型的滑坡,二阶残差修正GM(1,1)模型的预测精度一般高于一阶残差修正GM(1,1)模型的预测精度;对变形曲线为阶跃型的滑坡,一阶残差修正GM(1,1)模型的预测精度高于二阶残差修正GM(1,1)模型的预测精度。

基于测量臂构型的单点残差修正方法

测量臂杆件和关节的弹性变形与臂的摆放构型相关,会影响臂的测量精度。提出了一种基于测量臂构型的单点测量残差修正方法。通过分析测量臂在某一构型下的关节角度与测量臂末端点坐标偏差值之间的映射关系,再根据有序摆放构型下单点测量坐标相对平均坐标的变化曲线,利用不同构型下的关节角度和相应的坐标变化值建立了残差修正数据库,进而应用该数据库对测量臂任意构型下的末端坐标值进行修正。实验证实了其有效性和正确性。

基于残差修正的涡轮增压机组差异演化建模与降负荷特性分析

针对船用增压锅炉涡轮增压机组的建模与运行特性分析问题,提出了一种基于差异演化算法和残差修正的演化建模方法.在涡轮增压机组机理模型的基础上,采用差异演化算法辨识模型参数,利用原始数据和所建模型的残差进行修正,避免了采用经验值或理想状态下的实验数据作为模型参数所造成的偏差,在所建模型和已有增压锅炉涡轮增压机组模型的基础上进行仿真实验,研究了涡轮增压机组在快速降负荷过程中的动态特性,并通过仿真结果与原始数据的对比验证了其可靠性.结果表明:在给定的模型空间和参数范围内,采用残差修正的差异演化算法能够自动生成同时满足实时性和精度要求的显性模型;通过对仿真结果分析发现,相对于锅炉,涡轮增压机组在快速降负荷过程中出现了明显滞后的现象,甚至可能导致锅炉熄火.

基于周期残差修正灰色模型的输电线路载流量的预测与分析

在能源短缺问题日益严峻、供电可靠性要求不断提高的大环境下,大幅度提高输电线路输送能力,降低输电成本势在必行。为了充分利用输电线路未来允许载流量,提出了基于灰色模型的载流量预测的方法,通过对原始数列进行平滑处理,削弱数据的主观性和偶然性的干扰。根据原始载流量序列存在多周期的特点,对传统灰色模型理论进行改进,提出了使用残差修正基对残差值进行补偿的方法来预测输电线路的载流量。该方法不仅具有传统灰色模型所需样本数据少、运算方便等特点,同时还体现了载流量的周期性规律,使拟合曲线更加接近原始数据,载流量的预测更加准确。通过对现场采集数据进行预测和分析,表明该模型较传统灰色模型的精度更高。基于上述模型,分析了载流量预测在输电线路潮流调度中的作用,载流量预测可以在保证电力系统安全运行的前提下,实现电网的更经济运行。

基于傅里叶变换的质量预测动态残差修正模型

针对生产过程中的动态性和预测的非零误差性,在传统灰色模型的基础上,遵循数据"重近轻远"的原则,综合数据新陈代谢动态反映系统目前特征和傅里叶变换强大的降噪功能的优势,提出循环傅里叶修正新陈代谢GM(1,1)模型(CFGM(1,1)),并给出相应的步骤和算法。该模型通过傅里叶变换对新陈代谢模型的预测残差进行动态修正补偿,提高了对系统随机误差的预测能力,从而提高了预测精度。对具体实例的Matlab仿真,表明,CFGM(1,1)模型预测精度较高,建模与计算速度快且不需要大量的数据,为动态生产过程的在线控制提供了有利条件。

电力系统可靠性原始参数的滚动预测和残差修正

可靠性原始参数的分析与确定是电力系统可靠性评估的基础。针对电力系统可靠性原始参数匮乏的情况,利用灰色系统小样本的特点,运用滚动预测对可靠性原始参数的预测进行残差检验,在考虑数据新陈代谢的同时又能减少计算量。并对滚动残差的变化规律作了分析,建立其单调区间的灰色预测模型,进行残差修正,补偿原有的预测数据,使预测值能更好地拟合原始数据。最后,通过实例计算和模型精度检验说明该方法有较高精度。

基于灰色傅里叶变换残差修正的电力负荷预测模型

提出基于灰色傅里叶变换残差修正的负荷预测模型,首先运用滑动平均法对原始数列进行改进,减弱异常值的影响;然后运用傅里叶变换对一般灰色预测模型进行改进,通过对残差进行修正,消除样本数据中偶然因素的影响。算例分析表明,与一般灰色预测模型和马尔可夫残差修正模型相比,该模型的预测精度有所提高,证明了该模型的有效性和实用性。

尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用

为解决海底油气管道由于外表面破损引起腐蚀加快,进而导致管道腐蚀失效的问题,基于传统灰色模型,建立尾段残差修正GM(1,1)模型,用以预测管道剩余寿命。首先,检验管道腐蚀深度数据的光滑性和准指数规律性,建立灰色微分方程;然后利用最小二乘法求出方程参数值,用传统灰色模型预测腐蚀深度,并对残差进行修正,从而得到一个完整的用于海底管道腐蚀趋势预测的尾段残差修正GM(1,1)模型,并对预测结果进行后验差检验。最后以某一海底管道试验段为例,预测管道剩余寿命。结果表明,传统管道腐蚀深度预测灰色模型预测相对误差为36.7%,尾段残差修正GM(1,1)模型预测的相对误差为3.79%,后者预测精度等级更高。

用马尔可夫残差修正灰色理论的煤炭需求预测

研究煤炭需求预测精确度问题。由于煤炭需求参数较多,参数的选择要求复杂的计算量,导致预测模型求解过程复杂,针对传统的灰色理论预测模型存在精度差的问题,影响煤炭需求因素的特殊性和不确定性,导致了煤炭需求预测的精确度较低,为了解决预测精度差问题,提出了一种改进的马尔可夫残差修正灰色理论预测模型方法,算法以影响煤炭消费总量的主要因素作为选定变量,构建煤炭需求的灰色预测模型,使用马尔可夫模型对预测的残差进行修正。仿真结果表明,提出的预测算法具有较好预测的精度,是一种有效的煤炭需求预测算法。

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为:乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM(1,5)预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM(1,5)模型的残差进行修正,以便改善预测精度。实例结果:事后检验阶段GM(1,5)模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。

基于差异演化和残差修正的离心泵特性辨识与汽蚀分析

针对船用离心泵的特性参数辨识与汽蚀现象分析,提出了一种采用残差修正的差异演化辨识方法.该方法采用差异演化算法辨识其压头-流量特性曲线,然后利用原始数据和辨识结果的残差进行二次建模修正,从而有效提高了辨识精度.以某型船用离心式凝水泵为例对上述方法进行验证,利用辨识得到的特性曲线和已有的凝水系统管路模型进行仿真实验,得到了凝水泵转速、压头、流量、凝水温度、吸入压力与排出压力等参数之间的关系,计算得到了该凝水泵的汽蚀预警转速,并在此基础上分析得到了整个凝水系统的稳定运行边界.