基于ARIMA-TARCH-BP神经网络模型的中长期负荷预测方法

中长期负荷预测是电力系统规划运行的重要基础。针对经济转型阶段多样化负荷呈现的强波动性致其预测精度难以保障的问题,利用电力负荷历史统计数据建立ARIMA-TARCH模型,对负荷时间序列的非平稳性、自相关性和非对称波动特性进行分析,并结合BP神经网络理论对负荷拟合残差值进行修正,进而对目标规划年的负荷进行预测。最后,以我国某地区的实际电网负荷为算例,预测未来五年的负荷变化趋势,验证所提预测方法的可行性和有效性。

我国国债收益率的预测与评价

由于我国的债券市场被人为地分成交易所市场和银行间市场,不同的国债投资主体被限制在不同的国债流通市场进行交易,因此国外的债券收益率的理论和模型并不能完全的适用于中国现状。目前,我国相关的主要研究大都针对某个特定的市场或某种特定的方法,缺乏一种完整的收益率模拟方法和评价体系,其一般仅对其中一个市场进行收益率的波动性分析,本文对交易所国债收益率建立ARIMA-TARCH模型并进行预测,预测评价指标和误差分析指标表明其具有很高的精度和预测能力。