期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CEEMD和改进时间序列模型的超短期风功率多步预测
被引量:
22
1
作者
赵征
汪向硕
《太阳能学报》
EI
CAS
CSCD
北大核心
2020年第7期352-358,共7页
根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论...
根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论对各分量进行复杂度评估,对复杂度相近的相邻分量重新组合,从而有效降低预测时间和计算量;然后对新组合的各分量建立差分自回归滑动平均(ARIMA)模型,再对各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型;最后叠加各分量预测结果得到最终的风功率多步预测值。实验结果表明,所提的组合预测模型具有较高的预测精度。
展开更多
关键词
风功率预测
互补集合经验模态分解
模糊熵
ARIMA-GARCH模型
多步预测
下载PDF
职称材料
基于VMD和改进ARIMA模型的超短期风速预测
被引量:
17
2
作者
赵征
汪向硕
乔锦涛
《华北电力大学学报(自然科学版)》
CAS
北大核心
2019年第1期54-59,共6页
针对风速序列非线性、波动性的问题,提出了一种基于变分模态分解和改进差分自回归滑动平均模型的风速预测模型。首先利用变分模态分解(Variational Mode Decomposition,VMD)将信号从低频到高频逐次分解,使每个分量具有不同中心频率的有...
针对风速序列非线性、波动性的问题,提出了一种基于变分模态分解和改进差分自回归滑动平均模型的风速预测模型。首先利用变分模态分解(Variational Mode Decomposition,VMD)将信号从低频到高频逐次分解,使每个分量具有不同中心频率的有限带宽;然后对各分量分别建立ARIMA模型,由于各分量的残差序列可能存在异方差性,因此引入GARCH模型消除异方差特性,建立ARIMA-GARCH模型;最后各分量预测结果叠加得到最终的预测值。实验结果表明,所提出的预测模型在超短期风速预测上具有较高的预测精度。
展开更多
关键词
风速预测
变分模态分解
ARIMA-GARCH模型
残差修正
下载PDF
职称材料
基于改进时间序列模型的球团厂主引风风量预测
3
作者
汪向硕
《现代矿业》
CAS
2021年第11期162-165,共4页
为了对球团厂焙烧工艺主引风系统的主引风风量进行预测,采用互补集合经验模态分解法对主引风风量序列进行了分解,然后采用模糊熵理论对各分量进行复杂度评估,将复杂度相近的相邻分量重新组合,从而有效降低预测时间并减少计算量,新组成...
为了对球团厂焙烧工艺主引风系统的主引风风量进行预测,采用互补集合经验模态分解法对主引风风量序列进行了分解,然后采用模糊熵理论对各分量进行复杂度评估,将复杂度相近的相邻分量重新组合,从而有效降低预测时间并减少计算量,新组成的各个子序列分别建立ARIMA-GARCH模型;最后线性叠加各分量预测结果最终得到了主引风风量预测值。仿真结果表明,该方法具有较高的预测精度。
展开更多
关键词
主引风
互补集合经验模态分解
模糊熵
ARIMA-GARCH模型
下载PDF
职称材料
基于改进时间序列模型的烧结机机头温度预测
4
作者
汪向硕
赵伟
+2 位作者
高大伟
张艳兵
闫中华
《烧结球团》
2024年第4期44-48,56,共6页
针对烧结机机头温度异常变化会严重影响烧结矿质量的问题,本文采用一种基于WD-ARIMAX-GARCH的超短期温度预测模型。由于温度时间序列经常受外部因素的影响,而时间序列模型(ARIMA)只是对历史时间序列的回归,无法体现外部因素的影响,因此...
针对烧结机机头温度异常变化会严重影响烧结矿质量的问题,本文采用一种基于WD-ARIMAX-GARCH的超短期温度预测模型。由于温度时间序列经常受外部因素的影响,而时间序列模型(ARIMA)只是对历史时间序列的回归,无法体现外部因素的影响,因此该模型加入了外生变量(ARIMAX),并通过引入小波分解(WD),将温度时间序列分解为若干子序列,将各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型,将该预测结果作为外生变量与分解后的数据重新组合预测。结果表明,基于WD-ARIMAX-GARCH模型的温度预测方法具有较高的精度。
展开更多
关键词
温度预测
外生变量
ARIMA-GARCH模型
小波分解
下载PDF
职称材料
题名
基于CEEMD和改进时间序列模型的超短期风功率多步预测
被引量:
22
1
作者
赵征
汪向硕
机构
华北电力大学自动化系
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2020年第7期352-358,共7页
基金
中央高校基本科研业务费专项资金(2017MS133)
河北省自然科学基金(G2016502009)。
文摘
根据风功率非平稳特性,提出一种基于互补集合经验模态分解和时间序列分析方法中的差分自回归滑动平均模型的新型风功率组合多步预测模型。首先对风功率序列进行互补集合经验模态分解,以降低风功率序列的非平稳特性;之后采用模糊熵理论对各分量进行复杂度评估,对复杂度相近的相邻分量重新组合,从而有效降低预测时间和计算量;然后对新组合的各分量建立差分自回归滑动平均(ARIMA)模型,再对各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型;最后叠加各分量预测结果得到最终的风功率多步预测值。实验结果表明,所提的组合预测模型具有较高的预测精度。
关键词
风功率预测
互补集合经验模态分解
模糊熵
ARIMA-GARCH模型
多步预测
Keywords
wind power prediction
complementary ensemble empirical mode decomposition
fuzzy entropy
ARIMA-GARCH model
multi-step forecast
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于VMD和改进ARIMA模型的超短期风速预测
被引量:
17
2
作者
赵征
汪向硕
乔锦涛
机构
华北电力大学控制与计算机工程学院
出处
《华北电力大学学报(自然科学版)》
CAS
北大核心
2019年第1期54-59,共6页
基金
中央高校基本科研业务费专项资金资助项目(2017MS133)
河北省自然科学基金资助项目(G2016502009)
文摘
针对风速序列非线性、波动性的问题,提出了一种基于变分模态分解和改进差分自回归滑动平均模型的风速预测模型。首先利用变分模态分解(Variational Mode Decomposition,VMD)将信号从低频到高频逐次分解,使每个分量具有不同中心频率的有限带宽;然后对各分量分别建立ARIMA模型,由于各分量的残差序列可能存在异方差性,因此引入GARCH模型消除异方差特性,建立ARIMA-GARCH模型;最后各分量预测结果叠加得到最终的预测值。实验结果表明,所提出的预测模型在超短期风速预测上具有较高的预测精度。
关键词
风速预测
变分模态分解
ARIMA-GARCH模型
残差修正
Keywords
wind speed prediction
variational mode decomposition
ARIMA-GARCH model
residual correction
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于改进时间序列模型的球团厂主引风风量预测
3
作者
汪向硕
机构
首钢集团有限公司矿业公司
出处
《现代矿业》
CAS
2021年第11期162-165,共4页
文摘
为了对球团厂焙烧工艺主引风系统的主引风风量进行预测,采用互补集合经验模态分解法对主引风风量序列进行了分解,然后采用模糊熵理论对各分量进行复杂度评估,将复杂度相近的相邻分量重新组合,从而有效降低预测时间并减少计算量,新组成的各个子序列分别建立ARIMA-GARCH模型;最后线性叠加各分量预测结果最终得到了主引风风量预测值。仿真结果表明,该方法具有较高的预测精度。
关键词
主引风
互补集合经验模态分解
模糊熵
ARIMA-GARCH模型
分类号
TF046.6 [冶金工程—冶金物理化学]
下载PDF
职称材料
题名
基于改进时间序列模型的烧结机机头温度预测
4
作者
汪向硕
赵伟
高大伟
张艳兵
闫中华
机构
首钢集团有限公司矿业公司
出处
《烧结球团》
2024年第4期44-48,56,共6页
文摘
针对烧结机机头温度异常变化会严重影响烧结矿质量的问题,本文采用一种基于WD-ARIMAX-GARCH的超短期温度预测模型。由于温度时间序列经常受外部因素的影响,而时间序列模型(ARIMA)只是对历史时间序列的回归,无法体现外部因素的影响,因此该模型加入了外生变量(ARIMAX),并通过引入小波分解(WD),将温度时间序列分解为若干子序列,将各分量进行残差序列检验,对存在异方差特性的分量建立ARIMA-GARCH模型,将该预测结果作为外生变量与分解后的数据重新组合预测。结果表明,基于WD-ARIMAX-GARCH模型的温度预测方法具有较高的精度。
关键词
温度预测
外生变量
ARIMA-GARCH模型
小波分解
Keywords
temperature forecast
external variable
ARIMA-GARCH model
wavelet decomposition
分类号
TF046.4 [冶金工程—冶金物理化学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CEEMD和改进时间序列模型的超短期风功率多步预测
赵征
汪向硕
《太阳能学报》
EI
CAS
CSCD
北大核心
2020
22
下载PDF
职称材料
2
基于VMD和改进ARIMA模型的超短期风速预测
赵征
汪向硕
乔锦涛
《华北电力大学学报(自然科学版)》
CAS
北大核心
2019
17
下载PDF
职称材料
3
基于改进时间序列模型的球团厂主引风风量预测
汪向硕
《现代矿业》
CAS
2021
0
下载PDF
职称材料
4
基于改进时间序列模型的烧结机机头温度预测
汪向硕
赵伟
高大伟
张艳兵
闫中华
《烧结球团》
2024
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部