非线性季节型电力负荷灰色组合预测研究

短期电力负荷同时具有增长性和季节波动性的二重趋势,这使得负荷的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想。为了提高短期电力负荷的预测精度,提出了具有季节型特点的电力负荷灰色组合预测模型。在此模型中,灰色模型处理非线性问题具有一定的优势,它可以很好地反映电力负荷的增长性特点。季节变动指数(SVI)用来拟合电力负荷的季节性趋势。最后对季节型灰色预测的残差建立时间序列的AR(p)模型。由于综合考虑了电力负荷的多种特征,此组合预测模型明 显地提高了预测精度。

非线性季节型电力负荷曲线集成聚类算法研究

传统方法直接设定聚类数量,得到的结果并非最优聚类数,且针对大规模电力数据,单一聚类方法无法同时达到聚类精度与效率两方面要求。为此,提出一种新的非线性季节型电力负荷曲线集成聚类算法。用DBI指标对聚类效果进行评价,将与DBI最小值相应的聚类数据作为最优聚类数量。通过模糊C均值聚类方法,依据原始非线性季节型电力数据对象间的相似程度,获取初始聚类中心。利用聚类性能更优、稳定性更高的层次聚类方法完成对聚类中心的组合,获取有效的集成聚类结果。实验结果表明,所提方法能够同时保证聚类精度与聚类效率,整体性能较强。

季节波动的线性与非线性方法比较研究——以出口波动为例

对季节成分的正确认识和恰当处理是利用时间序列进行宏观经济分析必不可少的一步。本文首次对比季节线性与季节非线性不同处理方式对经济变量带来的影响,探寻并证实季节非线性研究的重要性与必要性。以我国出口季度增长率数据为例,采用能同时刻画经济变量季节波动和周期波动都具有非线性特征的SEASTAR （季节平滑转换自回归）模型对其进行实证分析。研究表明：（1）基于RMSE和MAE评价标准统计量,无论是样本内拟合还是样本外多步预测,SEASTAR模型的效果都远远优于季节为线性的嵌套模型。（2）对“季节调整后”的出口额季度增长率采用STAR模型进行拟合,通过Kappa一致性检验发现：由STAR模型和SEASTAR模型得到关于出口额周期波动的非线性转换区间具有偏弱的一致性。因此,对季节波动具有非线性特征的时间序列,采用传统季节线性模型或季节线性处理方式,如X-11、X-12等季节调整法不一定是最佳选择甚至不再适用。

顾及非线性变化的地球参考框架建立与维持的思考

介绍了全球及区域参考框架(ITRF)的发展现状,探讨了国际地球参考框架(ITRF)的不足,给出了使用顾及非线性变化的速度模型建立和维持参考框架的思路,并分析了解决不同类型非线性变化的处理方法。在此基础上,探讨了区域参考框架建立与维持的方法。最后展望了全球大地观测系统背景下的未来ITRF发展趋势。

ITRF2005简介和评析

该文对最新的国际地球参考框架ITRF2005进行了简单介绍,指出了IFRF2000与ITRF 2005之间在解的生成、基准的定义和实现等方面的差别,特别评析了ITRF2005所作改进的理由和合理性,同时也指出了ITRF2005与ITRF2000一样,没有满足协议地球参考系(CTRS)的定向随时间的演化需遵循相对于地壳无整体旋转(NNR)的约束条件,并就此提出了解决办法。