基于改进残差灰色模型预测路面使用性能的研究

路面使用性能的精确预测,可以作为公路养护部门对公路进行养护决策的依据。该文在灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,运用马尔可夫状态转移矩阵判断残差预测值在t>n时的符号,对灰色预测值进行修正。检验表明:改进模型对路面使用性能的预测能够达到对模型精度的要求。

高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。

改进GM(1,1)残差修正模型在光伏发电量短期预测中的应用

采用改进的GM(1,1)残差修正模型建立光伏发电量预测模型,从理论发电量和实际发电量两方面对5.6 kW太阳能光伏发电系统的发电量进行预测.通过对比GM(1,1)模型和改进的GM(1,1)残差修正模型的预测结果,证明采用改进的GM(1,1)残差修正模型预测短期太阳能光伏发电量能够取得更好的预测效果.

改进残差GM(1,1)模型在中长期负荷预测中的应用

GM(1,1)模型是中长期负荷预测的一种常用方法。为了解决残差GM(1,1)模型在残差预测值符号判断中存在的问题,提出一种基于朴素贝叶斯法的改进残差GM(1,1)模型。该模型根据历史负荷增长率区间,对负荷增长状态进行划分,统计各个状态下残差正负号出现的个数和各状态前一年份残差正负号个数,然后利用朴素贝叶斯法建立分类器,判断残差预测值符号。将改进模型应用于某县用电量预测中,算例结果表明改进模型能够有效地提高中长期负荷预测的精度,具有一定的实用价值。

基于改进的GM(1,1)的长期交通量预测模型

针对传统的GM(1,1)模型在预测高速公路交通量中存在的误差过大的问题,通过对原始数据进行滑动平均处理,减少数据在统计过程中的随机误差和人为误差。利用等维灰数递补预测模型进行交通量预测,在数据列中补充新的数据,去掉老的数据,使模型得到改进。利用改进的新模型去预测下一年的数据比用原模型更加合理,更接近实际。研究结果表明:利用等维灰数递补预测模型预测的预测精度是94.24%,比GM(1,1)残差改进模型提高了1.49%,比传统的GM(1,1)模型精度提高了6.94%。适用于交通量的长期预测。