基于改进灰色模型的城市人才短期需求量预测

由于当前已有方法未能考虑城市人才短期需求量预测体系中的指标降维问题,导致预测结果不理想,响应时间较长。为此,设计并提出一种基于改进灰色模型的城市人才短期需求量预测方法。组建短期需求量预测系统指标体系。引入相关性分析以及灰色关联分析,降维处理不同的动态指标,组建改进灰色模型。通过模型动态关联分析城市人才短期需求量,实现城市人才短期需求量预测。仿真实验结果表明,所提方法能够有效降低响应时间,获取更加满意的预测结果。

城市天然气短期日需求量预测新模型

准确预测短期城市天然气需求量,对于城市天然气的合理调峰调压、安全供应、管网优化等都具有重要的现实意义。目前,城市天然气短期需求量预测模型主要包括时间序列、回归分析、支持向量机、灰色关联等,但其精度均不很理想,神经网络的精度虽然较高,但却容易陷入局部最小值,降低了泛化性。较之于上述诸多模型,最小二乘支持向量机基于结构风险最小化的原则,对于非线性问题也能得到较高的精度和泛化性,并且不容易出现过拟合现象。为此,基于对城市天然气短期日需求量的各种影响因素的全面分析和讨论,最终将气象、日期、政策确定为影响因素,并采用模糊综合评价法、经验打分法及专家评分法处理因素中的定性数据,采用极差变换法处理其他定量数据,最终利用最小二乘支持向量机建立了城市天然气短期日需求量预测新模型。仿真实验以四川省成都市为例,新模型预测结果平均绝对百分比误差为1.423%,较之于ARIMA、灰色关联、BP神经网络以及非线性回归等模型,新模型的预测精度有了很大的提高。结论认为,新模型的预测结果可作为确定城市天然气短期日需求量的依据和参考。

基于气温的城市燃气短期日负荷预测模型——以四川省成都地区为例

随着城市燃气用气规模的不断增长,加上近年来冬季长期低温、气温骤降等极端天气屡屡出现,因气温变化导致的日用气峰谷差有扩大的趋势,采用中长期数据进行趋势预测可能存在较大误差。而利用短期的气温、用气负荷数据,结合较为准确的一周内气象预报对未来几天内的城市燃气日负荷进行预测,对上游供气企业、城市燃气公司合理安排销售计划和日调峰等具有重要的现实意义。为此,通过分析气温对城市燃气短期日负荷的影响机理,利用统计学和化学动力学理论,基于阿累尼乌斯方程反应的温度—化学反应速率关系,考虑气温突变、低温累积等因素构建了气温对城市燃气短期日负荷的预测模型,并利用成都地区短期的气温、用气负荷数据,测算了模型参数并对模型进行了验证(最大误差为2.53%)。结果表明,该模型的预测精度较高,可为燃气公司或上游供气企业合理安排销售计划和日调峰等提供决策支撑。