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。

基于改进加权一阶局域预测模型的短期负荷预测方法研究

针对混沌一阶局域预测模型中欧氏距离不能反映相空间中相点间的相关性大小,提出一种改进加权一阶局域预测模型。该模型将相点间的关联度和欧氏距离以加权值形式作用于一阶线性回归方程,综合考虑了最邻近点对预测中心点的邻近效应以及最邻近点与预测中心点的相关性,克服了常规一阶局域预测法存在的不足。通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

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。

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.

基于多变量加权一阶局域法多步预报模型的舰船摇荡预报

针对舰船各个自由度摇荡之间存在耦合的实际,提出了一种多变量加权一阶局域法多步预报模型(MAOLMM)。对Chen’s吸引子仿真数据及某型船真实海浪下航行的摇荡数据进行了预报分析,结果显示,多变量加权一阶局域法多步预报模型的预报精度高于单变量加权一阶局域法多步预报模型,提高了舰船摇荡预报的有效性。

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。

基于改进加权一阶局域预测模型的负荷预测方法研究

针对混沌时间序列预测中用加权一阶局域法单步预测模型进行多步预测时计算量大,且存在误差累积效应的不足,本文提出了基于相空间重构技术的加权一阶局域法多步预测模型,通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。

基于加权一阶局域理论的综合电力滤波器谐波电流预测方法

受硬件和软件条件的限制,现有的各种谐波电流检测万法都存在延时问题,一股约为一个周期。检测出的结果实际上是一个周期前的谐波电流,因而会产生较大误差。对谐波电流进行准确的跟踪和预测,然后根据预测值进行补偿是解决这一问题的有效方法。该文提出了基于加权一阶局域理论的谐波电流预测方法,该方法在t时刻预测出t+2时刻的谐波电流与其理想值的偏差值,通过选择t+1时刻的控制策略,利用加权最小二乘法使得在t+2时刻该偏差值为最小,从而实现了两步预测的无差拍控制。将中心点的空间距离作为一个拟合参数引入预测过程,提高了预测精度和消噪能力。该方法具有原理简单和实时性好等特点,仿真和实验结果验证了它的有效性和实用性。

加权一阶局域法在电力系统短期负荷预测中的应用

在混沌时间序列的基础上提出加权一阶局域法 ,并将其应用于电力系统历史负荷数据序列进行预测 .通过对华东某电网实际负荷数据进行预测 ,结果令人满意 .

用于混沌时间序列预测的分维指数加权一阶局域算法

提出分维指数加权一阶局域算法。该算法用最大Lyapunov指数和重构相点各分量所对应的延迟时间的乘积作为幂,构造一个指数形式的衰减因子,对加权一阶局域法的向量距离公式进行修正。修正后的距离公式不仅体现了各相点与中心点的相关性,还表示了相点各分量与中心点第一分量的关联程度。利用该算法对Logistic混沌时间序列进行预测的结果表明,相对于现有算法,本文所提算法明显提高了预测精度,而且序列的混沌性愈强,嵌入维数愈大,改进效果愈明显。

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。

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。

基于多嵌入维加权一阶局域法煤矿灾害混沌时间序列预测

煤矿生产过程中常伴有煤与瓦斯突出等矿井动力灾害,威胁矿工的生命安全。文章提出了多嵌入维加权一阶局域法,并通过Lorenz混沌时间序列对该方法进行了验证且与加权一阶局域法进行了比较。通过对矿井灾害预测表明,应用多嵌入维加权一阶局域法预测结果的精度得到了提高。该方法具有较好的适应能力和鲁棒性。

基于EMD与加权一阶局域法变压器振动信号预测

针对变压器振动信号呈现非平稳、非线性的特点,提出将经验模式分解(EMD)与加权一阶局域法相结合,实现对变压器振动信号的趋势预测。首先,将现场采集到的振动信号进行经验模式分解,然后应用相空间重构理论,确定合适的时间延迟和嵌入维数对各固有模式函数进行相空间重构。随后采用加权一阶局域法对振动信号各分量进行预测、合并。实验结果表明,该方法能够准确预测变压器振动信号变化趋势,可对变压器运行状态进行有效的监测。

混沌时间序列局域偏最小二乘回归多步预测模型

针对混沌序列局域一阶多步预测问题,提出了基于偏最小二乘回归的混沌时间序列局域直接多步预测模型,偏最小二乘用于混沌时序重构相空间中演化轨迹前后相点信息间的建模。该模型克服了以往一阶局域单步预测模型进行多步预测时存在的误差累积,而且能抑制重构相空间中多重共线性的影响,提高了预测精度。试验中使用交叉验证方法将偏最小二乘的提取成分数。通过对Chen’s混沌序列和Mackey-Glass混沌序列的多步预测试验,验证了该模型在混沌时序预测方面具有很好的效果。

基于加权一阶局域法的短时交通流量预测的研究

本文在分析了城市短时交通流时间序列和混沌特点基础上，通过对混沌时间序列预测方法的研究，提出了一种基于加权一阶局域法的短时交通流量预测方法。该方法引进了权值，使得它比全域法具有更好的自适应能力和较高的预测精度。对实际短时交通流量进行预测，取得了令人满意结果。

移动通信网络忙时话务量的混沌特性分析与加权一阶局域预测研究

话务量是一种受多重因素影响的动态非线性时间序列,采用传统的预测方法难以实现高精度的预测,为了提高预测精度,文章根据采集所得每日忙时话务量数据,分析其混沌特性和可预测性,并重构话务量时间系列的相空间,提出采用加权一阶局域预测方法来建立其预测模型,并进一步预测,仿真结果表明,该方法能够较好的拟合话务量的变化规律,具有较高的精度,为话务量的预测提供了一种有效的途径.

基于加权一阶局域法的负荷区间预测研究

文中将加权一阶局域法应用到负荷区间预测法中,综合得到复杂电力系统在单步负荷区间预测与多步负荷区间预测中的基本模型,并说明加权一阶局域法的基本过程,从理论上分析加权一阶局域法的多步负荷区间预测曲线相交叉的原因。采用该方法进行基于Lorenz方程和PJM实际电力负荷数据的区间预测,结果证明受曲线相点交叉的影响导致在多步负荷区间预测上部分点的数值只有一个公共值而无法构成区间,因此基于加权一阶局域法的多步负荷区间预测存在相对明显的应用局限性。

基于夹角余弦的混沌局域加权线性预测算法

针对基于欧氏距离的混沌局域预测算法在高嵌入维情况下预测精度迅速下降的问题,提出了基于夹角余弦的局域加权线性预测算法。该算法使用夹角余弦取代欧氏距离作为判别相点间相关性的标准;同时将相点间相关性大小通过加权的方式作用于预测模型;并将相点视为向量,以向量的模和夹角为优化目标,进行预测参数识别。在详细论述改进算法理论基础的同时,使用南方某城市电力负荷进行了算例验证。算例结果表明,改进算法的预测精度明显优于原算法,验证了改进算法的有效性。