关联交叉口交通流模糊变权重组合预测方法

针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法。先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重。试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8%、4.63%和0.99。

一种优化的模糊变权重组合预测在沪深300中的应用与研究

沪深300指数是沪深证券交易所联合发布的反映A股市场整体走势的指数。对沪深300指数的分析与研究可以帮助我们了解市场走势,同时也十分有利于投资者全面把握中国股票市场总体运行状况。针对股票市场的高度非线性与复杂性,本文首先利用霍尔特指数平滑法(Holt)和最小二乘支持向量机(LSSVM)模型对沪深300指数进行预测,然后提出一种基于Holt与LSSVM的模糊变权重模型进行预测,取得了令人满意的效果。在设计过程中,我们利用R语言作为模型拟合与预测的软件,R语言是一款免费的良好的数据处理软件。

自适应遗传算法优化模糊变权重的复杂系统时间序列组合预测方法

针对复杂系统时间序列预测精度不高问题,将复杂系统时间序列组合预测模型的权系数视为模糊数,以模糊区间的大小作为模糊变权重复杂系统时间序列组合预测模型目标函数,利用自适应遗传算法优化复杂系统时间序列组合预测模型目标函数的权重系数,建立基于遗传算法优化模糊变权重的复杂系统时间序列组合预测方法。仿真结果表明:此模糊自适应变权重非线性组合预测模型的精度较高,并且平均误差和预测平方根误差均较小;所提出的基于遗传算法优化模糊变权重组合预测模型的最大相对误差为2.89%,小于各预测模型中最小的最大相对误差3.24%,且平均误差和平方根误差均较小。

基于模糊变权重的软基沉降组合预测方法的应用研究

在我国公路事业发展过程中,软基分布广泛,然而在软基上修筑公路既要考虑道路安全又要兼顾工程经济。因此,对模糊变权重的软基沉降组合预测方法的应用展开深入研究,并结合工程实例将沉降预测结果进行对比分析,分析结果显示,该方法与其他方法相比其沉降误差较小,在公路建设过程中具有明显优势,为相关人员提供参考。

基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测

针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,文中提出一种基于新鲜度函数和预测有效度的模糊自适应变权重组合预测模型,并应用到中长期电力负荷组合预测中。利用预测有效度进行模型筛选,利用新鲜度函数体现预测中的"近大远小"原则,利用滚动时间域窗口的方法实现变权。算例表明,文中提出的组合预测模型预测精度较高,实用性强。

一种新的非线性模糊自适应变权重组合预测模型

对于复杂工业系统非线性时间序列预测精度不高问题,引入了多种预测方法的预测相对误差、预测对象的变化趋势、灰色基本权重和自适应调节系数等概念,建立了模糊自适应变权重非线性组合预测模型。结果表明,此模糊自适应变权重非线性组合预测模型的精度较高,并且平均误差和预测平方根误差均较小。该组合预测模型为复杂非线性工业系统所需决策提供了有力支持。

基于模糊自适应变权重算法的函数链神经网络预测方法

为提高复杂工业系统非线性时间序列预测精度,将工业系统非线性时间序列不同的单个预测模型预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,建立基于模糊自适应变权重算法的函数链神经网络预测模型。研究结果表明:基于模糊自适应变权重算法的函数链神经网络预测方法的预测精度较高,并且平均误差和预测平方根误差均较小,具有较强的泛化能力;该模糊自适应变权重函数链神经网络预测模型可用于复杂非线性工业系统决策。

基于模糊自适应变权重算法的采场冒顶函数链神经网络预报

为提高采场声发射事件率预报精度,将采场声发射事件率不同的单个预测模型的预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,对采场声发射事件率进行基于模糊自适应变权重算法的函数链神经网络预测,对其预测结果再进行函数链神经网络算法拟合,然后结合采场冒顶尖点突变模型的判别式对采场冒顶进行预报。某铅锌矿采场冒顶预报结果表明,基于模糊自适应变权重算法的函数链神经网络预测方法的预测误差小于0.3%,可实现采场冒顶精确预报。

铜精炼过程能耗模糊自适应变权重组合预测模型及其应用

基于已有的铜精炼过程的能耗数据,引入了各预测方法的预测相对误差、预测对象的变化趋势、灰色基本权重和自适应调节系数等概念,建立了铜精炼过程的能耗模糊自适应变权重组合预测模型。结果表明,此模糊自适应变权重组合预测模型的精度较高,并且平均误差和预测平方根误差均较小。该组合预测模型为铜精炼过程的能源需求决策提供了有力支持。

减排因子下模糊自适应变权重峰谷电价模型

从提高电力市场效率角度,提出了一种峰谷分时定价时段划分的新方法,介绍了现阶段分时电价的原理,并根据当前电力市场节能减排目标在用户电力费用中引入减排因子,基于负荷变化的连续性及峰谷时段划分的模糊性,借鉴自适应变权重模糊思想建立了一种变权重综合分时定价模型,并对模糊分时下的减排费用给出了合理的计算方法。算例分析结果表明,该方法有效、可行。

基于模糊自适应变权重的经济时间序列组合预测模型研究

组合方法首先选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,选取了两种定值加权组合预测模型:平均加权模型、误差平方和最小组合预测模型。通过实验比较分析:模糊自适应变权重组合预测可以综合利用各单项预测方法的优点,比单一模型预测结果精度有了很大提高,且优于定值加权组合预测,在经济时间序列的预测方面有较高的应用价值。

中长期电力负荷变权重组合预测模型应用分析

针对电力负荷变权组合预测中权重难以确定,本文引入了模糊变权重组合预测模型,该模型利用预测误差绝对平均值、预测误差绝对累加来确定各单项预测模型的权重,引入“近大远小”策略、冗余检验原则,实现组合预测模型筛选。应用结果分析表明,变权重组合预测模型在中长期电力负荷预测结果的精度较高,实用性较好。

四轮独立驱动汽车偏转 差动协同转向路径跟踪

为改善四轮独立驱动汽车在不同车速与路面附着系数下的路径跟踪效果,提出了偏转差动协同转向控制策略。在二自由度动力学模型的基础上,建立多点预瞄与线性二次调节(LQR)结合的前轮偏转转向路径跟踪、滑模控制与四轮转矩优化分配结合的四轮差动转向路径跟踪,采用模糊控制对偏转转向与差动转向路径跟踪的权重进行自适应分配,建立包含路径跟踪层与转角、转矩分配控制层的偏转差动协同控制策略。利用Carsim与Simulink分别建立协同转向路径跟踪与LQR偏转转向路径跟踪联合仿真平台,取车速为54、72 km/h与路面附着系数为0.3、0.8的双移线工况进行仿真得出结论:相较于LQR偏转转向路径跟踪,协同转向路径跟踪在各工况下的横向跟踪精度与稳定性均有所提高。

隧道围岩变形预测模型的优化与应用

为了克服回归分析法在隧道施工监测数据分析中预测模型的不足,利用多目标加权灰色局势决策法对回归模型的多个评价指标进行整合量化,得到综合效果测度和优选回归预测模型。基于已优选的回归模型与模糊自适应变权重组合预测法建立最优非线性组合预测模型,将组合模型与优选模型进行效果测度对比,并基于该算法编制"智能监测—模型优化—信息反馈"系统。结合麻栗垭隧道工程,对组合模型和单项模型进行分析,预测拱顶沉降值。研究结果表明:以残差与后验差为评判标准,实时构建的最优组合预测模型的平均相对误差绝对值为4%,方差为6.5,后验差比值为0.34,小误差概率为1,更能对隧道施工过程围岩变形进行有效的预测和反馈。