基于改进背景值构造方法的GM(1,1)能源消费预测模型

针对传统GM(1,1)模型预测能源消费时存在的问题,改进了传统GM(1,1)模型中背景值的构造方法,提出用Newton差分插值和高阶Newton-Cotes公式构造背景值,并以四川省为例进行能源消费预测。结果表明,改进的GM(1,1)模型预测误差较小,精度较传统GM(1,1)模型有所提高,可用于四川省未来能源消费量的预测。

节能发电调度模式下梯级电站负荷分配方案研究

节能调度模式的提出,打破了传统的均衡调度模式,使电网的调度目标逐渐转向最大限度地减少资源、资源消费和污染物排放,促进电力系统高效、清洁运行。但是目前的机组调度排序并未考虑到梯级电站上下游之间紧密的水力电力联系,容易出现无益弃水或欠发电量的情况,为此以宝兴河中上游的硗碛、民治、宝兴、小关子为例,提出了梯级电站负荷分配的方案,并开发了相应的软件,以期更好最大限度地利用水力资源,服务于电网调度。

基于惩罚加权支持向量机回归的径流预测模型

径流预测是水文科学研究的重要内容。针对径流时间序列的特性,本文尝试建立了一种惩罚加权支持向量机回归的径流预测模型。通过与BP神经网络和标准支持向量机的结果进行比较,表明该模型预测精度更高,可以用于河川径流的中长期预测。