基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。

基于相关度的忙时话务量加权一阶局域预测模型

为了改善加权一阶局域预测模型的预测精度,提出衡量相点间相关性的相关度函数。利用相关度函数确定预测中心点的参考邻域,并将相关度的大小以加权的方式作用于加权一阶局域预测模型,进而推导出辨识加权一阶局域预测模型参数的算法。最后将预测模型用于忙时话务量的预测中,结果表明,该模型有效地提高了忙时话务量的预测精度,验证了相关度函数衡量相点间相关性的有效性。

加权一阶局域多步预测模型的改进

针对混沌时间序列的加权一阶局域预测模型中,欧氏距离并不能有效反映邻域点间的相关性,而且在进行多步预测时,计算量较大,并存在累积误差效应。文章对这一模型进行了改进。提出使用聚类分析的方法,采用夹角余弦来定义邻域点间的相关性,并根据相点演化的规律,直接进行多步预报。通过湖南省农村用电量的实例验证,该模型能精确地预测农村用电量。

加权一阶局域法在边坡位移预测中的应用研究

目前,常用的变形预测分析方法有[1]:确定函数法、统计回归分析法、混沌时间序列分析法等。其中混沌时间序列分析法可以在未直接考虑引起位移变形的有关随机因素的条件下,对历史观测数据进行重构相空间处理,建模比较简单、计算量小、预测精度较高。研究建立了加权一阶局域法多步预报模型,运用Matlab6.5编制了计算程序,并利用预报模型进行了典型混沌系统的预测和水利工程高边坡位移预测,取得了较好的预测效果。

混沌时间序列预测的改进型加权一阶局域法

提出了一种用于混沌时间序列预测的改进型加权一阶局域法。用衰减系数对分维指数加权一阶局域法的向量距离公式进行修正,调节邻近点与中心点的相关性,也调节了同一邻近点的各个分量和中心点的最后一个分量的关联程度。利用该方法对Logistic混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序列。

面向能源规划的围护结构负荷简化预测模型

提出了一种单体建筑围护结构动态空调负荷预测的简化模型,在保证满足区域预测结果精度的同时,将模型输入参数简化至6个;同时采用劳伦斯伯克利国家实验室开发的Buildings Modelica Library开源模型库来建立模型,并验证了该模型的精度;在此基础上运用线性集合法对简化模型进行降阶处理,有效提高了负荷预测的计算速度.该模型的提出,使得区域每栋建筑简化快速模拟均成为可能,为进一步推广到区域空调负荷预测提供了方法基础.

基于时间序列的风电功率日前预测模型及其应用

风电场发电功率随风速的无序变化是电网无法大规模接纳风电的关键因素,准确地预测风电场输出功率对电力系统大量接入风电有重要意义。针对风电功率无序变化的特征,基于时序分析法分别建立了指数加权移动平均和一阶差分自回归滑动平均的风电功率日前预测模型,进而运用穷举搜索法确定了指数加权移动平均模型的最佳加权因子为0.7,并得到此模型的风电功率预测值。同时,通过样本自相关函数定阶和最小二乘估计的方法,求得一阶差分自回归滑动平均模型的风电功率预测值。结果表明,一阶差分自回归滑动平均模型的风电场功率预测值的均方根误差比指数加权移动平均模型低0.88%,相应的准确率和合格率较高,可见一阶差分自回归滑动平均模型更能提高风电功率的预测精度。

加权广义预测控制算法的改进

为了进一步缩小广义预测控制算法理论与工程应用的距离,对加权广义预测控制算法进行了改进,引入了预测模型输出误差修正项,对预测模型的输出进行了修正,并采用了区域控制策略。针对油田联合站电脱水系统油水分离过程,给出了改进的加权广义预测控制方案,仿真结果表明,这种控制方案在保证工程精度的前提下,减少了执行机构的动作频率,增加了生产操作的平稳性。

基于灰色模型和混沌时间序列的卫星钟差预测算法

为了提高非线性卫星钟差预测的精度,降低单一钟差预测模型对钟差预测的风险,提出了一种组合模型的卫星钟差预测算法.该算法首先采用db1小波对卫星钟差序列进行3层多分辨率分解和单支重构,得到一个趋势分量和三个细节分量,然后运用灰色预测模型对重构后的趋势分量和混沌一阶加权局域预测法对重构后的细节分量分别进行预测,最后将各分量预测结果相加后得到总的钟差预测值.以GPS卫星钟差数据做算例分析,在6小时的钟差预测中,算法绝对误差最大值比单一的灰色预测模型误差小1.3ns以上.将该组合预测模型用于非线性卫星钟差预测中,可以提高钟差预测的精度和可靠性.

加权分数阶离散Verhulst模型及其应用

为了提高传统Verhulst模型的拟合和预测精度,文章根据新信息优先原理,采用加权累加和加权累减的信息处理方式,建立基于加权分数阶累加生成的离散Verhulst模型.采用河北省的年末人口数进行预测,将新建模型与传统Verhulst模型和分数阶离散Verhulst模型进行比较.结果显示,加权分数阶离散Verhulst模型具有较高的精度和较强的稳定性,具有一定的实用价值.

基于DWT-WFGM(1,1)-ARMA组合模型的农业用水量预测

农业用水量预测对于区域水资源规划与管理具有重要意义。【目的】针对农业用水量序列的振荡性以及传统模型预测结果输出单一的问题,提出一种新的组合预测模型DWT-WFGM(1,1)-ARMA对区域农业用水量进行预测。【方法】通过离散小波变换将原始用水量序列分解为近似序列和细节序列,并分别采用自回归滑动平均模型和分数阶灰色模型预测细节序列和近似序列,并结合加权马尔可夫链对近似序列进行误差修正,将不同成分序列的预测结果进行线性叠加得到农业用水量的预测值和预测区间。利用该模型分别对陕西省和内蒙古自治区的农业用水量进行预测,并与灰色模型GM(1,1)、DWT-GM(1,1)-ARMA模型和DWT-FGM(1,1)-ARMA模型对比分析。【结果】DWT-WFGM(1,1)-ARMA模型在陕西省和内蒙古自治区的评价指标平均绝对百分比误差分别为1.25%和1.01%,预测精度高于其他模型,且预测区间为研究区未来时期的农业用水量提供了合理的波动范围,具有一定的实际参考价值。【结论】本文构建的组合模型能够有效提高农业用水量预测的精度,同时预测区间的提出可以为区域农业用水量预测提供更加可靠的依据。

某矿井瓦斯涌出量的混沌时间序列预测方法

在一阶加权局域混沌时间预测模型的基础上引入了灰色理论中的关联度理论对该模型进行了改进。以某矿1303、1305工作面为例,对瓦斯涌出量进行了预测,并将预测值与实测值进行了对比分析。结果表明:改进的一阶加权局域预测法具有预测精度高、误差小的特点,但随着时间的推移,预测值与实测值的偏差会持续增大,表明该模型仅适用于短期预测。

基于虚拟预测的月径流量时间序列非线性混沌预测

根据非线性动力系统的基本理论实行径流量建模和预测,将预测精密度作为一种辨识器材用以分析径流量的动力性状。潮河流域戴营站月径流量时间序列的非线性混沌性状判别探究成效证明,该时间序列蕴含一定的混沌性状。根据径流量的混沌特性,结合虚拟现实预测的思想,利用加权一阶局域多步预测模型对径流量实行非线性混沌预测,结果表明,结合虚拟预测思想的预测方式在长期预测中存在着较高的精密度。

运用差分法改进指数平滑预测的研究

指数平滑法由于其简便易用的特点,是一种很受实际工作者欢迎的预测方法。但是指数平滑法是一种加权平均法,因此只能适用于大体呈水平型的发展,否则就会产生预測的滞后偏差。可是经济变量很难满足这样的条件,从而在很大程度上限制了指数平滑法的适用范围。对于这个问题,现有文献中提出的一些解决方法都是从改变指数平滑法的基本构造来考虑。