基于密度峰值聚类和改进LWLR的短期电力负荷预测

短期电力负荷数据具有复杂性和不确定性等特征,这些特征往往会对数据的预测结果产生不可控制的影响。使用传统的聚类方法对短期电力负荷数据进行聚类分析时,预测结果会因电力负荷的不确定性等特点产生偏差。此外,考虑到全局回归预测方法在建模阶段无法对不同部分的数据采用不同的建模方式,限制了对于不同分布区域或不同特征子集的自适应性能力的问题。文中采用K近邻和加权相似性的密度峰值聚类算法对短期电力负荷数据进行特征分类,并提出一种利用K近邻的局部加权线性回归模型对短期电力负荷进行预测。该模型的优点在于避免了欧氏距离对簇类中心选取的影响,降低了全局数据对局部数据的负面影响,避免了簇类划分的集中效应,提高了模型的泛化能力。通过与模糊C均值聚类和传统的全局回归预测方法对比,本文提出的模型对于真实电力数据的预测效果更加优越。

基于改进GRU的城市供水管网流量预测研究

城市供水管网随着城市规模的扩大和人口的增加等因素的变化而越来越复杂,供水管网的流量预测在管网的优化调度工作中发挥了有效作用。本文通过分析某城市供水管网系统的多个监测节点的流量数据,以类似局部加权线性回归的方法优化GRU算法,构建了基于多监测节点的流量预测模型,提高了模型的泛化能力。利用该市供水管网监测平台采集的监测节点流量数据进行验证,实验的结果表明,基于改进的GRU流量预测模型有着较好的预测精度。

海量数据下的电力负荷短期预测

该文研究海量数据下的短期电力负荷预测方法,基于局部加权线性回归和云计算平台,建立并行局部加权线性回归模型。同时,为剔除坏数据,采用最大熵建立坏数据分类模型,保证历史数据的有效性。实验数据来自已建的甘肃某智能园区。实验结果表明,提出的并行局部加权模型用于短期电力负荷预测是可行的,平均均方根误差为3.01%,完全满足负荷预测的要求,并极大地减少了负荷预测时间,提高预测精度。

基于非参数回归模型的局部线性估计云量预报方法研究

为研究云量的分布特点,本文利用历史观测资料,对新义州、定海、隆子3站的总云量和低云量进行了正态性检验,结果显示:总云量和低云量均未达到正态指标,具有一定的随机性.因此,在2004-2007年逐年1月T106L19模式产品和单站地面观测资料的基础上,采用适合被解释对象呈非未知分布的非参数方法——局部线性估计方法,选择合适的窗宽和核函数,创建了上述3站总云量和低云量的短期预报模型,包括不同的长度样本序列.同时,为了比较预报效果,还采用适合被解释对象呈正态分布的参数方法——逐步回归法,建立了相应的预报模型,并利用2003年1月1～31日的逐日T106L19模式产品和3站的云量历史观测资料,对各种预报模型进行了试报和效果的检验,结果表明:在3站的总云量、低云量的月平均准确率和月平均平均绝对误差的检验指标中,非参数局部线性估计的预报精度均高于逐步回归方法;使用短样本序列建立的自适应非参数局部线性估计预报模型与采用长样本序列建立的预报模型相比,效果相当.这意味着,在数值预报产品解释应用的云量预报中,非参数局部线性估计方法可以更合理地考虑其时间分布特征,尤其在缺乏较长时间的历史建模样本时,具有良好的应用前景.

基于关联度的混沌序列局域加权线性回归预测法

分析了基于欧氏距离局域预测法存在的缺点,在此基础上提出了一种基于关联度的局域加权线性回归预测法。该方法以关联度代替欧氏距离作为判别不同相点间相关性的准则,并将相点间的相关性大小通过“加权”的方式作用于混沌序列预测模型,从而克服了局域线性回归预测法的缺点。首先对新方法的原理及其合理性进行了系统阐述;然后推导了其算法过程;最后将该方法应用于电力系统短期负荷的预测中,得到了理想的预测结果。通过分析和比较,验证了所提方法的有效性。

嫩江水体溶解氧变化规律的混沌研究

针对目前溶解氧研究主要是从生物、化学等方面开展,而对溶解氧自身变化规律的研究很少的特点,以嫩江干流浏园水文站测得的溶解氧质量浓度序列为例,首先进行相空间重构,应用自相关函数法确定出延迟时间、伪邻近点法确定出嵌入维数;然后应用主分量分析(PCA)方法对序列进行分析,表明该序列不是噪声序列而可能是混沌序列,通过计算Kolmogorov熵得出溶解氧质量浓度序列具有混沌特性的结论;最后应用基于关联度的局域加权线性回归预测法对该序列进行了混沌预测研究,得到了比较理想的预测结果,这为应用混沌理论进行溶解氧变化规律的研究提供了依据。

三江平原地下水埋深时间序列的混沌研究

三江平原是我国最大的淡水沼泽区和重要的商品粮生产基地,地下水资源是该地区发展井灌水稻极为宝贵的源泉,但同时地下水系统又是一个复杂的非线性系统。首先,应用功率谱分析法对该地区地下水埋深序列进行定性分析;然后,在相空间重构的基础上,通过计算特征量Kolmogorov熵和关联维,得出三江平原地下水埋深序列中存在明显的混沌特征;最后,应用基于关联度的局域加权线性回归预测法进行混沌预测研究,得出比较理想的预测结果,为应用混沌理论进行三江平原地下水埋深变化规律研究提供依据。

通货膨胀的非参数回归模型

通货膨胀对一个国家经济增长和人民生活的影响是不言而喻的,居民消费价格指数是衡量通货膨胀的重要指标.讨论了非参数回归模型的多项式样条估计方法后,运用我国居民消费价格指数和商品出口额的数据,建立了我国通货膨胀的非参数回归模型,并和线性回归模型的最小二乘估计及非参数局部线性回归估计的结果进行比较,结果表明,在估计和预测上,多项式样条方法都优于线性最小二乘估计和局部线性回归估计,能够更好的反映两者之间的关系.

基于局部加权线性回归模型的风速短期预测研究

为提高风速预测的准确性,引入局部加权线性回归算法,建立风速局部加权线性回归预测模型。该模型首先通过核函数对每一历史风速设置权重,产生新的风速数据集。其次,对新的数据集进行最小二乘线性拟合回归,建立风速局部加权线性回归模型。最后,根据该模型对风速进行短期预测。以某风电场的实测数据进行仿真验证,并与传统的ARIMA模型和BP神经网络预测模型对比,实验结果表明本文所提方法的有效性,为风速预测提供一种新方法。

基于非结构化数据的LLE-WOA-LSSVR碳价格组合预测模型

在传统的组合预测模型中,利用的数据大多为结构化数据,然而在网络环境下,非结构化数据广泛存在,因此充分利用非结构化数据所提供的有效信息是预测中要解决的关键问题之一。针对上述问题,文章构建了基于非结构化数据的局部线性嵌入和鲸鱼优化算法的最小二乘支持向量回归(locally linear embedding-whale optimization algorithm-least squares support vector regression,LLE-WOA-LSSVR)碳价格组合预测模型,通过LLE算法对非结构化的高维数据进行降维处理,并利用LSSVR进行预测。考虑到LSSVR模型中参数的选取会对预测结果产生影响,引入WOA算法优化模型中的参数。碳价格预测的实例结果表明,LLE-WOA-LSSVR预测模型可行且有效。

带控制变量的半参数GDP预测模型

利用同城票据交易的变化领先于GDP变化的特点来实现对GDP的预测.采用相关分析方法寻找出同城票据交易较GDP变化的领先量,并以此作为GDP变化的控制变量,修正了已有的同城票据交易对GDP预测的线性模型.本研究在线性模型的基础上叠加了一个关于GDP序列的非参数自回归项,从而建立了带同城票据交易控制变量的对GDP进行预测的半参数自回归模型.运用局部回归模型改进半参数模型的估计算法,获得了满意的拟合及预测效果.计算结果表明,GDP变化对同城票据交易控制变量的依赖是线性的,而对历史GDP状态的依赖却是非线性的.