基于自适应的动态三次指数平滑法的风电场风速预测

随着风力发电的快速发展,对风电场的风速实现较准确的预测也逐步成为风电领域研究的热点。为了提高风速的预测精度,综合考虑风速历史时间序列的影响,在传统的三次指数平滑方法的基础上,提出了一种自适应的动态三次指数平滑方法来进行风速预测。该方法利用了地毯式搜索方法,根据误差平方和最小的原则及时调整并获得最佳的平滑系数,然后进行后续的一步或多步风速预测。通过与传统的三次指数平滑法、灰色模型预测法比较,验证了自适应的动态三次指数平滑法在风电场风速预测中的准确性和高效性。

一种自适应指数平滑动态预测模型

针对传统指数平滑预测模型的不足,设计了一种自适应指数平滑动态预测模型。该模型实现了对时间序列数据的自适应动态预测,且保留了原方法公式简单、易实现的特点,可用于在线动态预测,具有工程实用性。利用实际数据对该预测模型进行了数据验证,并与传统指数平滑模型进行了对比。结果表明,该自适应动态预测模型的预测效果较好。

瞬态电磁-温度场耦合计算中自适应时间步长研究

瞬态温度场响应时间比电磁场长,在采用有限元法求解瞬态电磁-温度场顺序耦合时,若采用统一计算时间步长会导致温度场求解次数过多而增加计算时间。该文提出自适应时间步长耦合方法,采用指数平滑法预测电磁-温度场耦合时间间隔,并在两个相邻的耦合时间节点间,根据响应特征值和预测-校正法计算电磁场、温度场最佳离散步长。与传统等步长耦合方法对比,电磁、温度场均使用最佳的离散步长,同时避免了温度场的过频计算,减少了计算时间。最后,以通电铜导环为例,采用自适应时间步长耦合计算铜导体在交流电流作用下的瞬态温升,与传统等步长耦合方法相比,计算相对误差在1%以内,总计算时间减少26.6%,证明了该方法的有效性。

基于探测车技术的路段平均速度估计模型

在讨论探测车样本数量统计需求的基础上,提出了一种基于探测车技术的路段平均速度自适应加权指数平滑估计模型,模型中加权系数随着跟踪误差大小和路段上探测车数量的变化而自适应调整,并利用VISSIM仿真数据验证了该模型.结果表明:在路段上探测车占交通流比例随时间变化且不能充分满足统计要求的情况下,相对传统的算术平均方法,基于指数平滑的路段平均速度估计能够有效提高估计精度,并且可有效减小由路段上探测车数量变化而引起的速度估计方差.

基于时间序列的自适应采样机制策略研究

在传感器网络中,节点对同一事件采集的数据间存在一定的时空相关性。若有效利用数据相关性,动态调整采样间隔,则能够减少不必要的采样,从而相应地减少采样、计算、传输所耗费的能源,延长网络寿命。采用二次指数平滑法进行预测,参考TCP拥塞控制思想,快速调整采样间隔。实验证明,与普通算法相比,该算法能同时降低错误丢失率和采样率。

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。

基于加权指数平滑的里程仪故障检测方法

车载定位定向系统行进过程中滑行或打滑时，里程仪输出故障会显著降低系统精度。文中将惯性导航系统与里程仪的速度之差映射至有限区间，利用加权指数平滑的思想设计了检测时间窗随故障幅值自适应调整的里程仪故障在线检测方法。仿真结果表明，里程仪短时故障时，文中方法能够有效检测并及时告警，利用惯性导航系统速度隔离里程仪输出；故障消除后又能迅速解除故障警戒，恢复正常组合导航，提高了系统精度和可靠性。

基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测

锂离子电池剩余使用寿命(RUL)可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络(LSTM)的RUL预测框架。选取容量作为健康因子,数据预处理阶段,首先使用自适应双指数模型平滑方法减少容量回升现象产生的负面影响,然后通过自适应白噪声完整集成经验模态分解(CEEMDAN)对数据进行降噪;模型构建阶段,利用预处理后的数据训练得到用于RUL预测的LSTM模型。以NASA和CALCE公开数据集为研究对象进行算法性能测试,实验结果表明,所提方法鲁棒性好,能够提供精确的RUL预测结果。

一种适用于车路网的速率自适应算法

车载网衰落信道质量变化频繁,传统速率自适应算法不能选择合适传输速率。为此,提出一种适用于车路网的速率自适应算法。该算法基于发送端的接收信号强度指示(RSSI)预测进行速率选择,即用发送端路边设施测量接收到ACK报文的RSSI值,预测下次传输时的信道质量。模拟结果表明,该算法能提高信道质量预测的准确度,在不同的信道衰落程度下,取得比RBAR算法和SampleRate算法更高的系统吞吐率。

应用指数平滑技术预测边坡位移

应用趋势型指数平滑模型根据其观测值的数据特点(具线性趋势),选取趋势型二次指数平滑的线性预测公式和相应at,bt的计算公式及合适的平滑系数值进行计算,预测了某市滑坡区5号监测点的位移量。预测结果表明,该方法应用于斜坡变形位移的预测,可使预测值与实际位移值之间的误差很小。

中国天然气物流需求量预测—基于自适应过滤和马尔科夫模型

针对中国天然气物流需求量预测问题,改变传统使用单一数学方法的预测方式,在使用自适应过滤法的基础上,利用预测值与实际值的关系构建马尔科夫矩阵修正结果。并与使用三次指数平滑法的预测结果进行对比,验证其准确性。最后根据此方法预测2015-2020年中国天然气物流需求量,为规划建设提供依据。

季节性时间序列预测方法选择

现实生活中大部分的经济数据不仅会随着时间的推移显示出一定的长期趋势,往往还会因为季节性因素而呈现出周期变化,因此,对于这种既具有倾向性变动趋势又有季节性变动的时间序列的预测就成为了统计预测的重要内容之一。因为预测方法选择的多样性,主要讨论温特线性与季节性指数平滑法,自适应过滤法和ARIMA模型拟合法这3种重要且比较典型的预测方法,通过比较3种方法的优劣,有助于在实际预测中预测方法的正确选择。

基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型

为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用Holt生成时序瓦斯浓度的水平、趋势分量,并与时序瓦斯浓度历史数据构成特征组合,以此获取具有高度预测性的特征;接着,基于构建的特征组合,搭建FCIH-TCN时序瓦斯浓度预测框架;最后,采用多个模型进行对比实验。研究结果表明:使用IAPSO后,Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度;FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。

一种提高非完整小圆弧曲率半径参数评价精度的方法

在计量学中,小圆弧完整性差会导致曲率半径参数评价精度降低,针对这一问题,提出了一种基于自适应三次指数平滑预测模型的方法,以此来增大轮廓数据点集所对中心角,进而提高曲率半径参数评价的精度。首先,利用仿真分析了小圆弧轮廓所对中心角对评价过程的影响趋势;然后,根据仿真分析的结果,提出在三次指数平滑法的基础上添加自适应优化算法,解决了预测过程中最佳平滑系数难以确定的问题,优化了传统预测模型及各参数选取标准;最后,进行了多组对照实验,并结合实验结果验证了该方法的有效性。研究结果表明:针对60°以下的非完整小圆弧轮廓数据点集,利用此法将轮廓所对中心角扩大5°左右,对后期评价过程最佳;该方法可作为一种前期数据处理手段,并结合不同评价方法使用,对曲率半径参数的评价精度均有不同程度的提升。

基于实时时钟方差算法的网络时钟同步

作为网络系统同步的重要参数,时钟方差表征了某时钟的稳定性特征。针对传统时钟方差计算方法在实时性和计算复杂度方面的不足,利用指数平滑的滞后特性,设计了自适应指数平滑算法,应用于时钟方差的计算,设计了时钟方差的实时计算算法。基于PTP协议V2版本,采用STM32F407微控制器作为核心,构建了以太网同步系统,实现了同步网络对环境变化的实时响应。通过软件仿真验证了算法的可行性,通过组网测试验证了实时时钟方差算法应用于PTP同步协议的优良性能。

变权重指数平滑法在冷轧过程控制中的应用

冷轧机组在轧制过程中很多状态都是在时刻变化的。轧辊直径、温度、粗造度、轧件来料厚度、硬度的变化、机架间张力的波动、各个调节器特性的变动、仪表零点的漂移等都会影响模型计算的精度。故在轧制过程中引入自适应自学习技术是提高模型计算精度的一种很好的选择。冷轧过程控制系统自适应算法通常采用指数平滑法，为了提高自适应速度往往采用变权重指数平滑法。

地区电网日负荷特性分析及预测方法研究

夏季负荷波动大,预测难度较大。如何提高日负荷预测精度,成为调度部门迫切需要解决的一项重要任务。为有效提高夏季日负荷预测精度,对成都电网日负荷特性进行了深入研究。借鉴电力系统分析中的标幺制理论,将日负荷曲线解析为标幺负荷曲线与最大负荷。针对两者不同的变化特征和影响因素,分别引入与之匹配的自适应指数平滑法和基于模糊聚类的径向基函数(RBF)神经网络法,为负荷预测精度的提高提供了有效的解决途径。实例计算证明,该方法可获得理想的预测效果,能为调度部门提供负荷预测的决策依据。

深基坑地下连续墙支护结构侧向变形的改进指数平滑法预测

由于基坑开挖过程存在大量的不确定性,其支护结构在设计阶段无法根据现场环境的变化进行实时变形可靠度分析与预测.围护结构分布范围大,失效位置不可预测.工程监测数据由于监测点数量的限制难以直接反映围护结构连续变化的状态.采用穿越率法,提出一种适用于以地下连续墙为围护结构的深基坑工程的侧向变形预测与分析模型.利用MATLAB建立自适应指数平滑模型,自动计算和预测深基坑围护结构在不同深度的侧向变形.对比实测与预测的侧向变形数据,结果表明该自适应指数平滑模型在短期预测中具有精度较高、误差波动小的特点;同时采用预测数据的超越概率分析表明,深基坑侧向变形的分析模型同样适用于由自适应指数平滑法获得的预测数据,且随着位移限值远离最大监测位移值,分析精度将逐渐提高.通过利用椭圆搜索模式的反距离加权插值法,解决了样本点仅集中分布于深度方向的缺点,使插值结果更加平滑,结合基于深基坑侧向变形的分析模型,实现了围护结构空间曲面的变形预测,使评价反馈方式更加直观简洁.

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.

基于一次指数平滑法的自适应差分进化算法

提出一个策略和控制参数自适应的差分进化(ESADE)算法.ESADE算法将指数平滑法和轮盘赌选择法结合到一起,根据先前成功的经验在策略候选池中为每个个体自适应地选择变异策略来匹配进化的不同阶段.在进化过程中,ESADE算法使用柯西分布和正态分布为控制参数产生适当的值,并使用指数平滑法进行自适应.大量的仿真实验结果表明,ESADE算法要优于其他差分进化算法.