加权组合模型在大凌河流域水资源供需预测中的应用

为提高流域水资源供需预测精度,解决传统单一供需预测模型精度不高问题,文章引入加权组合模型,对大凌河水资源供需进行预测。结果表明:相比于单模型,加权组合模型下大凌河流域供水和需水预测相对误差分别降低11.6%和10.9%,流域水资源供需预测精度得到明显改善,研究成果对于流域水资源供需科学预测具有参考价值。

基于VMD-改进最优加权法的短期负荷变权组合预测策略

为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权。最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测。实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%。

基于加权平均的CC-GRA-Lasso模型对生活垃圾清运量影响因素研究

城市生活垃圾清运量的影响因素较多,为有效筛选主要影响因素,采用相关系数(CC)、灰色关联度(GRA)和Lasso回归三种模型对合肥市生活垃圾清运量13个影响因素数据进行分析,选用CRITIC权重法对三种分析方法进行加权算术平均,计算出CC的权重为52.56%、GRA的权重为8.57%、Lasso的权重为38.87%。基于此构建CC-GRA-Lasso组合模型,最终筛选得到排名前7的主要因素为社会销售品零售总额、第三产业增加值、煤气天然气、年人均可支配收入、年人均消费支出、GDP和年末总人数。根据筛选出来的结果,采用GA-BP神经网络对合肥市城市生活垃圾2022-2035年清运量进行预测,合肥市在2035年生活垃圾清运量将达到447.02万吨。

加权几何平均组合预测模型及其应用

本文提出了由几个不同的预测模型通过加权几何平均的方式进行组合从而得到加权几何平均组合预测模型，给出了确定最优权系数的方法。最后，以应用实例说明了我们的组合预测模型比加权算术平均组合预测模型更优越。

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.

基于对数灰关联度的加权几何平均组合预测模型的有效性

基于对数灰关联度的加权几何平均组合预测是一种新的非线性组合预测。针对该方法提出新的优性组合预测、预测方法优超、冗余度等概念,给出优性组合预测存在的充分条件,最后证明冗余预测方法的一个判定定理。

广义加权函数平均组合预测模型及其应用(英文)

针对各种预测问题的实际情况 ,组合预测模型可以采用多种不同的组合形式 .而不同的组合预测模型 ,其预测效果是不同的 .给出一种新的组合预测模型——广义加权函数平均组合预测模型及其加权系数的参数估计方法 .利用此模型对航材消耗进行预测 。

广义加权函数平均组合预测模型参数估计方法(英文)

提出一种新的组合预测模型———广义加权函数平均组合预测模型 ,并利用二次规划算法给出其加权系数的 2种不同的参数估计方法 .最后 ,以预测实例说明了模型的有效性并对 2种参数估计方法进行了比较 ,得到一个对参数估计方法进行正确应用的有用结论 .

一类加权几何平均组合预测模型及其应用

加权几何平均组合预测模型是一种常用的非线性组合预测方法.利用Theil系数建立了一类加权几何平均组合预测模型,给出了该组合预测模型的性质;讨论了加权几何平均组合预测模型非劣性组合预测模型、优性组合预测以及冗余预测方法的存在性;给出了冗余预测方法的判定.通过运用实例分析说明了基于Theil系数的加权几何平均组合的预测模型的有效性.

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。

基于改进INFO-CNN-QRGRU模型的农村分布式光伏发电短期概率预测

随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定性对电网的冲击。因此,为提高光伏发电功率预测精度,提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择,在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型,将处理好的数据输入到CNN-GRU模型中,并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参,将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布,结合核密度估计法从条件分布中获得概率密度函数,完成概率预测。以实际光伏电站数据作为基础,将提出的INFO优化算法与其他几种传统的优化算法进行对比,结果表明INFO的优化效果更好,在此基础上进行概率预测,得到的概率预测结果相较于点预测能提供更多有效信息,更具有应用价值。

基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

基于博弈论组合赋权-云模型的消防员训练损伤风险评估

为降低消防员训练损伤发生率,从个人因素、环境因素和组织管理因素3个方面,提出包含19个指标的消防员训练损伤风险评估指标体系;采用Bonferroni有序加权平均算子(BON-OWA算子)修正层次分析法(AHP)的误差,获得各指标的主观权重;引用基于指标相关性的权重确定法(CRITIC)确定各指标的客观权重;基于博弈论组合赋权法确定各指标的组合权重;引入云模型理论,建立消防员训练损伤风险评估模型,并以河南省某消防救援大队消防员的训练为例,验证该模型的科学性。结果表明:训练装备的战技性能状况指标对消防员的训练损伤风险等级影响最大;该风险评估模型通过数据处理,可以确定消防员训练损伤风险等级;案例中,消防员在5种不同情景下的训练损伤风险等级均为一般风险,这与模糊综合评价法所得结果一致。

基于指数加权移动平均多维组合模型的电力负荷预测

随着电力行业的不断发展,对电力用户侧进行用电负荷预测成了满足用户用电供需平衡和电网规划的重要部分。在大数据背景下,为提高电力负荷预测结果的准确性,针对历史数据时间远近的影响,分别考虑同期历史数据和近期历史数据两类数据局限性的影响,基于时间占优的原理,引入指数加权移动平均模型对不同时刻的数据进行权重分配,提出了改进的电力负荷预测模型。以某地区电力负荷预测为例,所得预测结果在标准误差上提高了29.5%,平均绝对百分误差提高了25.7%,分析结果表明提出的模型是可行的且有较高的精确度,为电力负荷的预测提供可靠的参考依据。

广义加权对数平均组合预测模型的性质与应用

针对组合预测模型能够充分利用各种单项预测方法提供的信息,从而具有模拟和预测精度较高的优点,研究和探讨了广义加权对数平均组合预测模型的最优化理论基础及其数学性质,在组合预测模型预测值与单项预测方法预测值的P次幂误差平方和最小的基础上建立了广义加权对数平均组合预测模型,并推导出最优权的计算公式。最后通过实例证明了该模型的有效性和实用性。

基于IOWA算子的航班订座组合预测模型

航班订座预测的经典方法包括回归模型、增量模型、指数平滑模型等,在复杂多变的非线性数据环境下,各单项模型存在预测效果不稳定及健壮性不满意的情况。为解决这一问题,本文构造了一个基于诱导有序加权平均(IOWA,induced ordered weighted averaging)算子的航班订座组合预测模型,组合模型采用各单项模型的预测精度作为诱导因子,动态计算单项预测模型组合权重及构建未来的动态预测组合。但传统的IOWA组合预测模型对随机波动较大的数据适应性较差,本文在深入分析航班旅客订座量数据规律的基础上,改进了该模型在预测期的诱导因子,取得了较好的预测结果。

基于灰关联加权组合模型的电力负荷预测研究

针对灰色系统理论中的预测模型(简称GM(1,1)模型)不太适于中长期负荷预测的不足,以及由历史负荷数据的不同时段建模形成预测灰区间的特点,提出了灰关联加权组合修正方法。从历史负荷与其拟合数值的灰关联度挖掘出负荷发展的“远、近”趋势,对灰区间值进行加权组合,大大提高了GM(1,1)模型的预测精度。使用该方法对某一地区未来几年的负荷预测得到了较为理想的结果,说明该方法对中长期负荷预测非常有效,弥补了GM(1,1)模型在该领域内使用的缺陷,具有一定的理论价值和实际应用价值。

最优加权组合模型在滑坡变形预测中的应用

根据最优加权组合理论,以某滑坡的变形监测资料为例,在建立Verhulst模型和趋势曲线预测模型的基础上,建立了滑坡变形的最优加权组合模型。对各模型的预测精度进行了分析比较,结果表明,组合模型的预测精度高于任何单一模型的预测精度,采用该组合模型是提高滑坡变形预测精度的有效方法。

基于最优加权组合模型及高斯-牛顿法的滑坡变形预测研究

在对最优加权组合理论和高斯-牛顿法优化非线性模型参数的方法研究的基础上,依托于洒勒山滑坡的实际变形监测资料,建立了该滑坡变形预测的3个非线性预测模型:指数模型、Verhulst模型和灰色GM(1,1)模型;利用最优加权组合理论建立了洒勒山滑坡的最优加权组合预测模型,并运用高斯-牛顿法对各单一模型和组合模型的参数进行了优化。通过对比分析得出:组合模型的预测精度高于任何单一模型的预测精度;参数优化后各单一模型的预测精度都有不同程度的提高;参数优化后的组合模型预测精度是最高的。因此,综合运用最优组合理论和高斯-牛顿法处理滑坡预测预报模型,是提高滑坡预测预报精度的行之有效的方法。

最优加权几何平均组合预测方法研究

Based on theory of weighted arithmetic average prediction method,the paper introduces the optimal weighted geometric combined prediction method,arrives arsome important conclusions about judging existence of optimal methods and deleting redundant methods·provides the solution ro an optimal weighted geometric combined model,and finally rhc author make an error analysis and comparison between optimal weighted average arithmetic combined prediction and optimal weighted geometric average combined prediction.