最优加权组合预测模型在大坝变形监测中的应用

探讨最优的大坝变形预测模型,为大坝安全运行提供依据。建立基于多元线性回归、时间序列、BP神经网络3个单项模型的一般组合及最优加权组合预测模型。并采用相关性系数、均方根误差对各模型预测精度进行检验。通过对水布垭面板堆石坝坝体沉降进行预测,其结果表明BP神经网络模型和最优加权组合模型的预测精度都比较高,均适用于该工程的变形预测,尤其是ARMA-BP加权组合预测模型,计算便捷,预测精度较高,可供同类工程借鉴使用。

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%。

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。

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的道路交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。针对各种单一灰色预测模型存在的局限性,建立了一种基于最优加权的灰色组合预测模型。根据我国道路交通事故的发展情况,建立了GM(1,1)、Verhulst和SCGM(1,1)c相结合的组合预测模型,运用最优加权法确定组合预测模型的权重系数。利用2001—2007年我国道路交通事故死亡人数的实际值作为原始数据,构建各个单一预测模型和最优组合预测模型,预测其2008—2010年交通事故死亡人数。预测结果表明,组合预测模型比单一GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型具有更高的预测精度。

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。

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度。

最优加权组合模型在管道腐蚀预测中的应用

为构造海底混输管道腐蚀最优加权组合预测模型,针对传统非等间距GM(1,1)管道腐蚀预测模型中初始条件的选取问题,提出了新信息优先原理下的NEGM(1,1,τ)海底管道腐蚀速率预测模型,以充分发挥建模序列中各分量对预测系统的修正作用;引入ARIMA预测模型,在3个不同定权准则下与NEGM(1,1,τ)模型形成管道腐蚀加权组合预测模型,并通过评价指标函数实现组合模型的性能评价。研究结果表明:组合模型2的海底混输管道腐蚀速率预测值与实际值的平均相对误差为0. 495 4%,评价指标函数RMSE,AARD和MAPE的值分别为0. 1936%,0. 1275%和0. 595 3%,均优于其他2个准则下的组合模型。建立NEGM(1,1,τ)-ARIMA海底管道腐蚀速率最优加权组合预测模型,从多角度挖掘了管道腐蚀速率序列中的可靠信息,预测结果的可信度更高。

最优加权组合模型在边坡变形预测中的应用

利用某岩质边坡2002年-2011年的变形监测资料,结合区域地质与气象背景,运用莱茵达准则选定有效的监测数据,分别建立了GM(1,1)模型和趋势曲线预测模型;最后,基于最优加权组合原理,建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测,模拟变形趋势与实际变形趋势对比结果表明,组合模型的预测精度高于任何单一模型的拟合精度,证明该组合模型合理、可靠。

基于最优加权组合的电信客户流失预测模型设计研究

针对电信客户流失问题,本文设计了一种基于决策树C5.0、BP神经网络及SVM支持向量机三种分类器融合的组合预测模型,利用最优加权组合预测方法来确定各模型的权重值.预测结果表明:组合预测模型的准确率高于传统的单一分类预测模型,构建此模型对解决电信客户流失预测方面的问题具有应用价值.

基于最优加权的组合预测模型及应用

针对各种单一的传统预测方法中存在的问题,提出了一种基于最优加权的组合预测方法.根据珠江三角洲天河水文站的水位预测要求,运用最优加权法建立了多元线性回归、灰色系统GM(1,1)和BP神经网络的组合模型.实验结果表明,组合预测方法比各单一模型有更高的预测精度.

基于最优加权组合模型的煤炭消费预测分析

为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我国煤炭消费预测最优加权组合模型ARIMA-GM-ANN。(3)将煤炭消费增长趋势分为"缓慢上升期"、"急速增长期"、"下降期"和"平稳期"四个阶段,2013年煤炭消费量达峰,约43.14亿t,2020年以后,煤炭消费量稳定在35.5亿t左右。

基于最优加权组合模型的体检人数预测研究

目的对福建省某医院体检人数进行预测,为医务人员和医疗设备的合理配置提供理论依据。方法针对单一系统云灰色模型和多项式回归模型存在的不足,建立了一种基于最优加权组合的体检人数预测模型。以福建省某医院2009—2016年各季度体检人数为基础,考虑各季度体检人数的分布特性,采用两个单一子模型对体检人数分季度进行预测;通过最优加权法得到各模型的权值系数,构建组合预测模型,并采用实际数据进行对比分析,预测未来几年内各季度的体检人数。结果该院2017—2019年各季度体检人数呈逐年上升的趋势,2017—2019年的年体检人数预测值分别为108 858、114 663和124 150人。结论最优加权组合预测模型比单一系统云灰色模型和多项式回归模型具有更高的预测精度,为医院体检人数预测提供了一种新的方法,也可为医院的科学决策提供参考。

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。

多元指数加权电力负荷灰色优化组合预测

由于电力负荷具有增长性和波动性并且受到多个因素影响,使得电力负荷的变化呈现出复杂的多元性及非线性组合特性,对于这种具有复杂的多元性及非线性组合特性的序列,使用传统的模型进行预测,预测精度往往不理想。为了提高预测精度,作者为提出了多元指数加权电力负荷灰色优化组合预测模型。其中灰色优化组合预测模型用于进行非线性增长趋势的电力负荷预测,指数加权法能解决历史负荷的波动性问题。实际算例表明,所提出的方法由于综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度。

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。

改进的最优组合人口预测模型及其应用

人口预测是编制土地利用总体规划的基础性研究工作,区域人口发展规模和数量是土地利用总体规划中确定各类用地控制指标和词整土地利用结构的重要依据。因此,科学准确地预测人口发展,是制定区域土地利用总体规划的基础。在分析各种人口预测模型的基础上,提出了一种改进的最优组合模型。并以湖南省张家界市永定区人口预测为例,利用改进的最优组合模型进行了人口模型预测,并与现有的线性回归模型、灰色系统GM(1,1)模型、logistic模型、最优组合模型的预测结果进行了对比分析。结果表明,提出的改进的最优组合模型预测结果准确可靠,有利于土地管理的科学决策,是适宜于区域土地利用规划中总人口预测的一种较好的方法。

基于预测有效度的优性组合预测模型研究

针对基于预测有效度的组合预测模型提出了新的优性组合预测、预测方法优超和冗余度的概念 ;指出了简单平均组合预测方法至少是非劣性组合预测 ;并探讨了优性组合预测存在的充分条件 ;

组合预测最优加权系数向量的进一步研究

组合预测最优加权系数向量的进一步研究唐小我，曹长修，金德运（电子科技大学管理学院）（重庆大学自动化系）（江华实业开发有限公司）１不考虑非负约束条件下最优加权系数向量的确定设对于同一预测问题，我们有ｎ种方法。为了提高预测精度，可以采用组合预测方法。记组...