Nonlinear combined forecasting model based on fuzzy adaptive variable weight and its application

In order to enhance forecasting precision of problems about nonlinear time series in a complex industry system,a new nonlinear fuzzy adaptive variable weight combined forecasting model was established by using conceptions of the relative error,the change tendency of the forecasted object,gray basic weight and adaptive control coefficient on the basis of the method of fuzzy variable weight.Based on Visual Basic 6.0 platform,a fuzzy adaptive variable weight combined forecasting and management system was developed.The application results reveal that the forecasting precisions from the new nonlinear combined forecasting model are higher than those of other single combined forecasting models and the combined forecasting and management system is very powerful tool for the required decision in complex industry system.

A Weighted Combination Forecasting Model for Power Load Based on Forecasting Model Selection and Fuzzy Scale Joint Evaluation

To solve the medium and long term power load forecasting problem,the combination forecasting method is further expanded and a weighted combination forecasting model for power load is put forward.This model is divided into two stages which are forecasting model selection and weighted combination forecasting.Based on Markov chain conversion and cloud model,the forecasting model selection is implanted and several outstanding models are selected for the combination forecasting.For the weighted combination forecasting,a fuzzy scale joint evaluation method is proposed to determine the weight of selected forecasting model.The percentage error and mean absolute percentage error of weighted combination forecasting result of the power consumption in a certain area of China are 0.7439%and 0.3198%,respectively,while the maximum values of these two indexes of single forecasting models are 5.2278%and 1.9497%.It shows that the forecasting indexes of proposed model are improved significantly compared with the single forecasting models.

基于Theil不等系数IOWAO组合模型的黑龙江省秸秆还田机械化程度预测

玉米、水稻等作物收后秸秆处理一直是农业生产中亟待解决的问题,机械化秸秆还田是作物收后秸秆处理的重要手段,也是保护黑土资源的重要措施。结合相关文献,提出基于协整性检验的单一预测模型选择和基于误差指标最小的最优组合预测模型选择关键环节;运用协整性检验方法确定二次函数模型、ARIMA模型、H-W无季节模型作为秸秆还田机械化程度预测的单一模型;依据误差绝对值和最小法、Shapley法和基于Theil不等系数IOWAO法构建三种组合预测模型,采用误差平方和(SSE)、平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)、均方百分比误差(MSPE)五个误差指标比较模型精度,确定采用基于Theil不等系数IOWAO的组合模型为最优预测作物秸秆还田机械化程度模型。结果表明,2022-2026年黑龙江省秸秆还田机械化程度将稳步提升,平均每年增加4.52%,2026年将达到74.19%,比2021年提升22.62%;2022年以后,黑龙江省秸秆还田机械化程度将进入快速发展期。为制定和实施机械化秸秆处理政策提供理论依据,为保护和恢复黑土资源生产能力提供重要支撑。

基于VMD-改进最优加权法的短期负荷变权组合预测策略

为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权。最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测。实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%。

基于分配因子和信息熵的母线负荷组合预测模型

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求。因此,母线负荷预测是解决这一问题的关键途径。然而,系统内母线数量庞大,负荷基数小,特性各异,波动性强,给母线负荷预测工作带来了困难。研究了母线负荷预测模型,根据实际电网情况提出了负荷分配因子的概念及预测思路;充分考虑历史数据的有效性,采用日特征量和趋势相似度综合选择相似日,并提出基于信息熵的变权重组合预测方法,提高各类型负荷预测精度;结合类型负荷预测结果和负荷分配因子,最终得到各条母线的预测结果。采用某区域电网负荷进行实例验证,结果表明,文中所建立的预测模型具有良好的预测精度和稳定度。

组合预测模型在通信产品需求预测中的应用研究

基于通信产品多品种、小批量、需求波动的特点,本文介绍了用波形预测、移动平均、线性回归、指数平滑等4种单项预测模型拟合未来预测需求;为了克服单项预测模型的局限性、提高预测准确度,通常采用灰色关联分析法。本文提出了以关联系数和关联度的大小为依据,将4种单项预测模型加以权重系数,组合成适用于通信产品需求特点的预测模型。通过实践证明了组合预测方法的有效性,对制定主生产计划有重要指导意义。

A novel fractional grey forecasting model with variable weighted buffer operator and its application in forecasting China's crude oil consumption

Oil is an important strategic material and civil energy.Accurate prediction of oil consumption can provide basis for relevant departments to reasonably arrange crude oil production,oil import and export,and optimize the allocation of social resources.Therefore,a new grey model FENBGM(1,1)is proposed to predict oil consumption in China.Firstly,the grey effect of the traditional GM(1,1)model was transformed into a quadratic equation.Four different parameters were introduced to improve the accuracy of the model,and the new initial conditions were designed by optimizing the initial values by weighted buffer operator.Combined with the reprocessing of the original data,the scheme eliminates the random disturbance effect,improves the stability of the system sequence,and can effectively extract the potential pattern of future development.Secondly,the cumulative order of the new model was optimized by fractional cumulative generation operation.At the same time,the smoothness rate quasi-smoothness condition was introduced to verify the stability of the model,and the particle swarm optimization algorithm(PSO)was used to search the optimal parameters of the model to enhance the adaptability of the model.Based on the above improvements,the new combination prediction model overcomes the limitation of the traditional grey model and obtains more accurate and robust prediction results.Then,taking the petroleum consumption of China's manufacturing industry and transportation,storage and postal industry as an example,this paper verifies the validity of FENBGM(1,1)model,analyzes and forecasts China's crude oil consumption with several commonly used forecasting models,and uses FENBGM(1,1)model to forecast China's oil consumption in the next four years.The results show that FENBGM(1,1)model performs best in all cases.Finally,based on the prediction results of FENBGM(1,1)model,some reasonable suggestions are put forward for China's oil consumption planning.

基于IOWA算子的航班订座组合预测模型

航班订座预测的经典方法包括回归模型、增量模型、指数平滑模型等,在复杂多变的非线性数据环境下,各单项模型存在预测效果不稳定及健壮性不满意的情况。为解决这一问题,本文构造了一个基于诱导有序加权平均(IOWA,induced ordered weighted averaging)算子的航班订座组合预测模型,组合模型采用各单项模型的预测精度作为诱导因子,动态计算单项预测模型组合权重及构建未来的动态预测组合。但传统的IOWA组合预测模型对随机波动较大的数据适应性较差,本文在深入分析航班旅客订座量数据规律的基础上,改进了该模型在预测期的诱导因子,取得了较好的预测结果。

基于变权集对-多维联系正态云模型的TBM地质适应性评价预测

为解决TBM地质适应性评估中存在的模糊性及多因素之间相互影响的复杂性难题,在多维云模型的基础上,提出一种基于集对分析与多维云模型相耦合的多维联系正向正态云模型评价方法。通过统计研究分析国内12条隧洞106组TBM地质适应性数据的特征规律,选取设备参数、地质条件、不良地质问题在内的10个典型指标建立评价指标体系。将各评价指标作为多维联系正向正态云模型的一维变量,依据同异反原理与云理论,获取适合的3个云数字特征值,生成各适应性等级下的云滴;继而根据TBM地质适应能力隶属于各适应性等级的综合确定度,采用最大确定度原则判定TBM地质适应性等级,由此综合反映出评价多因素间的确定性与不确定性关系。此外,在IFAHP、改进ICRITIC及改进博弈论组合赋权确定综合常权重的基础上,利用基于因素空间思想的变权理论确定指标总层次排序权重,实现评价过程中指标的主动介入性。经应用于实际表明:变权多维联系正向正态云模型应用于TBM地质适应性倾向评价是可行的,评价准确率达90%,相较于常规多维云模型及其他计算方法,其吻合度更高、计算更简洁。

基于变权组合模型的时间序列预测

针对时间序列预测中单一模型存在预测精度不高和预测稳定性较差的问题,采用残差赋权方法对单一模型进行组合,并以此为基础,提出基于残差赋权改进的自适应变权组合方法。该方法的基本思想是基于当前时刻的预测结果自适应调整其组成模型的权重值,利用不同的单一模型进行优势互补。将其应用到组合模型中,以实现提高模型的预测精度与稳定性。实验结果表明,该组合方法能有效改善预测稳定性不足的问题,以及进一步提高模型的预测精度。

基于变权组合预测模型的新疆GDP发展预测

本文利用1985—2018年新疆GDP数据构建基于ARIMA模型与曲线估计模型的定权组合预测模型和变权组合预测模型。结果显示:模型预测值的均方根误差均小于3%,但变权组合预测模型的预测结果最好,误差也最小。因此,本文采用变权组合预测模型对2021—2025年新疆GDP进行预测,预计2021—2025五年内新疆GDP值近似呈直线式增长,且增长速度较快。

基于正反向累加的含线性时变参数DGM模型的变权组合预测

电力负荷预测是电力系统优化规划的依据。为了从一组原始电力数据序列中获取更多信息,提高中长期电力负荷预测的精度,本文在研究数据正向联系和逆向联系的正、反向累加方式基础上,对含线性时变参数的离散灰色模型进行改进,同时加入进一步减小误差的迭代基值优化过程。最后利用两种单项预测模型构造出一种双向获取信息的变权组合预测模型,给出其建模步骤,并对某城市电力供电量发展水平进行预测。通过与DGM和LT-DGOM及其单项预测模型进行对比验证其预测效果。

基于动态权重的组合模型供热负荷预测

提升供热系统的供热负荷预测精度是实现智慧供热、提升能源利用效率的重要手段。提出了一种基于动态权重的组合模型供热负荷预测。首先根据供热负荷变化的动态特性和单独模型的误差函数,确定分段固定权重,再根据前一个小时单独模型的预测值和真实值更新修正权重,构造出动态权重的组合模型。采用石家庄某供热站的运行数据进行仿真验证,实验结果表明,提出的基于动态权重的组合模型供热负荷预测的MAPE(Mean Absolute Percentage Error)为0.562%,验证了所提出的方法能有效提高供热负荷预测精度。

基于博弈论的TOPSIS模型的水资源配置方案综合评价

科学、合理地评价水资源配置方案,对实现水资源高效利用以及解决水资源短缺具有重要意义。在熵权法与变异系数法赋权的基础上,采用博弈论思想,构建了博弈论组合赋权的TOPSIS评价模型。应用该模型对某地区水资源配置方案进行评价,并将其结果与其他模型进行对比,结果表明:该模型在水资源配置方案评价中是有效可行的,评价结果是科学的、可靠的、合理的。

Investigation on the Long Term Operational Stability of Underground Energy Storage in Salt Rock

Underground energy storage is an important function of all energy supply systems,and especially concerning the seemingly eternal imbalance between production and demand.Salt rock underground energy storage,for one,is widely applied in both traditional and renewable energy fields;and this particular technique can be used to store natural gas,hydrogen,and compressed air.However,resource diversification and structural complexity make the supply system increasingly uncertain with the passing years,leading to great challenges for energy storage facilities in the present,and perhaps going into the future as well.Hence,it is necessary to research the operation stability of underground energy storage further.In this paper,a stability evaluation index system of Underground Gas Storage(UGS)is constructed with natural gas as the main medium,according to FLAC 3D cavity creep simulation software,along with fuzzy membership function to comprehensively determine the impact factor scoring model;the subjective weight is calculated based on the improved Analytic Hierarchy Process(AHP),the objective weight is calculated by the Entropy Weight Method(EWM),the combined constant weight is obtained by combining the variance maximization theory,and introducing the variable weight theory to obtain a more accurate combined variable weight.Finally,with this all being considered and accounted for,and with the four different conditions designed for UGS deployment case analysis and verification taken into consideration,the combined variable weight evaluation achieved excellent results;compared with the traditional constant weight method,in fact,the new evaluation results are more rigorous and objective.

基于变权重组合预测模型的堆积层滑坡稳定性评价分析

为合理评价堆积层滑坡的稳定性,该文基于滑坡地质条件及发育特征,先利用传递系数法开展滑坡稳定性的初步分析,再结合变形监测成果,通过变权重组合预测模型实现其变形预测,以分析其稳定性的后续发展趋势,进而综合实现滑坡稳定性评价。实例分析表明:滑坡变形特征较为显著,且在传递系数法的分析结果中,在天然工况条件下,滑坡均处于稳定状态,但在不利工况条件下,尤其在暴雨工况条件下,稳定性系数范围为1.04~1.09,属欠稳定~基本稳定状态,即不利工况条件下,滑坡存在较大失稳风险;同时,变权组合预测模型在滑坡变形预测结果中具有较小的相对误差均值及方差值,即预测效果较优,且滑坡后续预测速率与现有速率相当,其中,1#监测点和2#监测点的预测速率还相对略大,说明滑坡稳定性将趋于减弱。通过本文研究,为堆积层滑坡提供了一种稳定性评价方法,值得进一步推广应用研究。

中长期电力负荷的变权灰色组合预测模型

提出了一种基于灰色理论的中长期负荷变权组合预测模型,通过分析负荷曲线走向,对不同变化趋势的阶段组合后建立不同的灰色模型分别进行预测,通过基于累加残差的变权组合预测得到最终结果,简单有效地将变权组合预测应用到电力负荷预测中。实例计算证明了该模型在中长期电力负荷预测中的有效性,该模型兼具了灰色模型的简单性和变权组合预测的精确性。

层次结构下的中长期电力负荷变权组合预测方法

提出了一种基于层次结构的中长期电力负荷变权组合预测方法,借鉴层次分析法的思想,构造一个层次结构来确定组合权重:采用熵值法确定模型评价指标的相对权重;采用方差–协方差优选组合预测方法和灰色关联分析分别确定各单一预测模型在各评价指标下的相对权重,最终确定组合预测模型中的组合权重。在组合预测的整个过程中,根据负荷发展的"近大远小"原则,引入等维信息的概念,实现了变权组合预测,使预测结果能够更合理地反映电力负荷的发展规律。最后通过一个实例验证了该方法的有效性。

软土路基沉降变权重组合S型曲线预测方法研究

通过对软土路基沉降发展规律及其沉降曲线特点进行深入研究,在S型单项预测模型基础上,基于5种S型增长曲线模型,引进组合预测的思想,重点探讨了软土路基沉降发展的预测方法与理论,并建立了软土路基沉降预测的变权重组合S型增长模型,通过数学规划方法求解,从而可根据有限的实测沉降观测数据预测软土路基沉降发展过程。工程实例分析表明,利用该模型与方法得到的预测曲线与实测曲线吻合良好,能够满足工程要求,此外,变权重组合预测模型比其它单项模型具有明显的优越性,为软土路基沉降发展预测提供了一种有效而实用的方法。

软土路基沉降发展规律及其预测

通过对软土路基沉降发展规律及其特点进行分析与研究,得出软土路基沉降发展基本经历了发生 发展 稳定 极限4个阶段,其固结沉降 时间过程曲线的特点与社会经济预测中的"S"型成长曲线极其相似。基于3种"S"型成长曲线模型,引入组合预测的思想,提出了一种预测路基沉降发展规律的变权重组合预测方法,并建立了软土路基沉降的变权重组合"S"型成长模型,通过数学规划方法求解,从而可根据有限的沉降实测数据预测路基沉降发展过程。工程实例分析结果表明,使用该模型,其预测曲线与实测数据曲线基本吻合,且分析方法灵活,可用于软土路基沉降发展预测,对防治公路路基沉降,保证公路营运质量具有一定的理论与工程意义。