基于一阶预测有效度的IGOWLA算子模糊组合预测方法

文章针对预测对象具有模糊性的组合预测问题,用三角模糊数表征问题的特征信息,引入诱导广义有序加权对数平均(IGOWLA)算子的概念,以基于模糊信息的一阶预测有效度作为精度指标,建立基于一阶预测有效度的IGOWLA算子模糊组合预测的最优化模型,并通过实例分析说明了该模型能显著提高预测精度。

电力短期负荷的多嵌入维一阶局域预测

在混沌理论中,采用不同的嵌入维数计算方法所获得的维数略有不同,而在不同嵌入维数下对同一负荷时间序列进行预测的结果也不同,对此,文章提出了多嵌入维数的负荷预测方法,将不同维数下的预测结果进行加权平均;在预测过程中欧氏距离极限的取值对预测结果有很大影响,文中采用动态调整法进行选取以使预测误差最小。实例分析表明文章所提出的方法简单有效、具有可行性。

混沌时间序列改进的加权一阶局域预测法

加权一阶局域预测法是目前最常用的一种混沌时间序列预测方法。基于延迟坐标相空间重构理论,提出了混沌时间序列改进的加权一阶局域预测法。仿真结果表明该方法的多步预测性能与一步预测性能明显好于加权一阶局域预测法的多步预测性能与一步预测性能。

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。

一阶局域法在建筑物沉降预测中的应用

应用混沌时间序列预测方法,建立沉降预测的非线性混沌模型,介绍了局域一阶预测算法,并用这种算法对长安大学B点高层住宅楼实际沉降监测数据进行预测计算。结果表明,该方法不仅预测精度高,而且计算量小,相对容易操作。

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。

基坑变形混沌特征识别与非线性预测模型研究

混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。

基于预测与JPEG2000的高光谱图像无损压缩方法

随着成像光谱仪向着高光谱分辨率、高空间分辨率方向发展,高光谱图像的数据量呈几何级数增长。由于数据传输和存储能力的限制,必须对高光谱图像进行有效压缩。首先,对高光谱图像的相关性进行了深入分析,得知其具有一定的空间相关性和极强的谱间相关性,从而具有较强的可压缩性。其次,结合JPEG2000对DPCM进行了修改,提出了基于一阶线性预测与JPEG2000相结合的无损压缩方案。最后,在软件平台上实现了该方案,并取得了较好的压缩效果。结果表明,该方案可以有效的实现高光谱图像无损压缩,验证了方案的可行性,为硬件平台上实现该方案提供了理论依据。

基于预测和JPEG2000的MODIS红外辐射多光谱图像无损压缩算法

为了能够有效地对MODIS(Moderate Resolution Imaging Spectral Radiometer)红外辐射多光谱图像进行压缩,提出了一种基于预测和JPEG2000的无损压缩算法。首先计算MODIS数据的谱间Pearson相关系数,根据得到的相关系数构造出相关系数图。根据谱间相关系数的大小设定阈值以确定图像是直接压缩还是预测后再压缩。根据得到的阈值及对预测起始波段的要求修改相关系数图。然后使用Prim算法计算修改后相关系数图的最小生成树,据此对各波段进行一阶线性预测。最后使用JPEG2000算法对残差图像和不预测图像进行压缩。对MODIS红外辐射多光谱图像进行了实验,并与线性序列的算法进行比较。结果显示,提出的算法压缩比相对线性预测序列有了显著提高,说明该算法对MODIS红外辐射多光谱图像是有效的。

瓦斯异常涌出混沌时间序列预测模型的建立

运用混沌理论对平煤十矿的实际瓦斯涌出数据进行了分析处理,采用基于关联积分的C-C方法确定了重构空间的时间延迟和嵌入维数,并对时间序列数据进行相空间重构,利用最小数据量法确定了时间序列的最大Lyapunov指数;运用混沌理论加权一阶局域预测方法,建立了混沌时间序列瓦斯异常涌出预测模型;并利用平煤十矿己15-24080掘进工作面31d的瓦斯实际浓度数据对该模型进行了预测效果检验。结果表明:时间序列的最大Lyapunov指数大于零,证明了时间序列数据具有混沌特征;模型中瓦斯异常涌出的预测发生时间和实际发生时间比较吻合,预测精度达93%。预测模型的可靠性为制定煤矿瓦斯防治措施和采取安全防护措施提供了理论依据。

相空间局域预测法在滑坡位移预测中的应用

根据滑坡系统的混沌特性,将适合于混沌时序预测的相空间局域近似法应用到滑坡位移预测中。针对零阶局域预测法利用信息效率不高的缺点,运用模糊数学中构造隶属函数的方法来选取预测相点的近邻点,减小了选取近邻点这一关键问题的人为随意性,而且预测结果也证明了这种方法的合理性。

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。

基于预测有效度的IOWA算子模糊组合预测方法

传统的组合预测方法大部分都是针对数字型数据进行的,但在实际生活中,预测对象具有模糊性,常用三角模糊数表征其特征信息;提出了基于模糊信息的一阶预测有效度的概念,并将其作为精度指标,运用诱导有序加权平均(IOWA)算子对三角模糊数信息进行集成,建立了相应的组合预测模型,实例分析表明基于一阶预测有效度的IOWA算子模糊组合预测模型是可行和有效的。

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.

交流电弧炉供电网波动电压超短期混沌预测方法

对交流电弧炉供电网电压时间序列进行特性分析并进行预测是解决电弧炉引起闪变问题的前提。重构电压有效值时间序列相空间,采用互信息法和Cao氏法确定最佳延迟时间和嵌入维数,计算最大Lyapunov指数,证明了供电网波动电压具有混沌特性。运用最大Lyapunov指数法和加权一阶局域预测法对电压时间序列进行超短期预测,结果表明,混沌预测能够较好地反映交流电弧炉供电网电压有效值时间序列的变化趋势,超短期预测精度高,且加权一阶局域预测法比最大Lyapunov指数法的预测精度更高,适合作为电压有效值时间序列的预测方法。

基于混沌时间序列的桥墩沉降预测

跨海大桥因船体撞击、移动车辆荷载、河水冲刷等因素的作用,桥墩的沉降变形表现为非线性特征。因此,首先对桥墩的沉降时间序列求取延迟时间τ和嵌入维数m,并采用最大Lyapunov指数证明该时间序列具有混沌特性;然后根据求取的参数建立加权零阶局域预测模型和加权一阶局域预测模型分别对沉降时间序列进行预测。算例结果表明,加权一阶局域预测模型具有较高的预测精度,且混沌局域预测法不适合做长期预测,但可做短期预测。

具有混沌特性的风电功率预测研究

风能作为一种可再生的清洁能源,逐渐成为人类社会可持续发展的首选能源,风速的不确定性和随机性,使得风力发电具有不可调度性,因此准确的分析风电特性和预测风电功率对电力系统的发展至关重要.本文首先基于混沌理论对风电功率数据进行相空间重构,使用自相关法及CAO方法分别确定合适的时间延迟和恰当的嵌入维数,从而达到提高相空间重构质量及其预测精度的研究目的;其次依据指数判断重构的相空间是否具有混沌特性,若具有混沌特性,则建立混沌局域预测模型,对风电序列作混沌特性分析,最后对风电数据运用加权一阶局域预测模型进行短期预测.

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。

一种高稳定性应用层组播树构建算法

提出一种基于节点在线时间期望的应用层组播树构建算法(MPOT)。根据路径的在线时间期望获得节点的插入位置,节点中断后利用组播节点在线时间的重尾现象,在恢复被迫中断节点时保留节点在线时间信息,构建高稳定性组播树。同时针对断裂恢复问题,提出带一阶预测的MPOT算法。模拟结果表明,2种算法构建的组播树均具有较高的稳定性。

基于改进的加权一阶局域预测模型的风电功率预测

为提高风电功率预测精度,将混沌时间序列分析应用于风电序列,研究风电数据混沌特性以及混沌时间序列加权一阶局域多步预测法(AOLMM).针对高维相空间中相点间的相关性大小不能被欧式距离精确反映的问题,利用灰色关联度和相点间的距离确定邻近点的权重大小,同时将中心点与邻近点延迟矢量最后一个分量的强相关性考虑在内,改进了预测方法.对风电功率预测分析可见,改进的方法具有较好的适应能力和预测精度.