基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型

针对传统中长期电力负荷组合预测方法的缺陷,将诱导有序加权平均算子(induced ordered weighted averaging,IOWA)与马尔可夫链(Markov chain,MC)相结合构建IOWA-MC组合预测模型。该模型根据每个单项预测方法在各时点拟合精度的高低顺序对其赋权,保证了组合预测模型中权系数与拟合精度在任一时点上的相关性,同时利用MC定性推测出预测时间点上各单项预测方法的预测精度状态,从而确定其在预测时点上的权系数。算例结果表明,IOWA-MC能自动识别高精度预测模型,排除低精度预测方法带来的影响,预测精度较高,具有较强的实用价值。

基于诱导有序加权平均算子的最优组合短期负荷预测

为提高预测精度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出了一种新的组合预测方法——基于诱导有序加权平均算子(inducedordered weighted averaging operator,IOWA)的短期负荷最优组合预测方法。该方法针对同一预测方法在不同时刻的预测效果不同,按照各单项方法在不同时刻预测精度的高低进行有序赋权,实现方法的优缺点互补,降低预测结果对某一方法的依赖性,达到提高预测精度的目的。文中基于IOWA算子的组合预测方法,建立相应的确定权系数的优化模型,给出采用现代内点法解算该优化模型的过程及步骤。实际应用结果表明,该方法能有效提高组合预测精度且计算时间短。

基于诱导语言有序加权平均算子的多属性决策方法

文章研究语言变量的运算法则,定义了新的语言变量运算法则,把有序加权平均(OWA)算子扩展到语言环境中,提出了一种基于诱导语言有序加权平均算子(ILOWA)的多属性决策方法,该方法计算简洁便利,并能克服某些算子出现的反直觉现象,最后通过算例说明此方法。

基于诱导有序加权平均算子的我国粮食产量组合预测

根据我国1978～2011年的粮食产量及相关因素的历史数据,分别建立了多元回归模型、指数平滑模型、BP神经网络模型.在此基础上,根据误差平方和最小的原则,建立了基于诱导有序加权平均(IO-WA)算子的组合预测模型,经验证该模型具有较高的预测精度,并对我国未来5年的粮食产量作出了预测.

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。

基于诱导有序加权平均算子的风电功率最优组合预测

风电功率预测的准确性对电力系统的调度和稳定运行具有重要意义。为提高预测准确度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出基于诱导有序加权平均算子(IOWA)的风电功率最优组合预测。该方法按照各单项预测方法在不同时刻预测准确度的高低进行有序赋权,实现各种方法的优缺点互补,降低预测结果对某一方法的依赖性,提高预测准确度。基于IOWA算子的组合预测方法,建立相应的确定权系数的优化模型。应用新颖的布谷鸟搜索算法对所提模型进行求解,并同标准粒子群算法及遗传算法进行对比。仿真结果表明,该方法能有效提高组合预测准确度,且计算时间短。

模糊诱导有序加权平均算子的散度

在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。

基于改进诱导有序加权算子的风电功率预测

针对风电功率超短期预测精度不高的问题,提出了一种结合Theil不等系数与改进诱导有序加权算子的组合预测方法。由于预测时刻的实际风电功率值未知,因此无法直接利用该方法进行预测。文章利用各单项预测模型的前几个时刻的预测精度均值作为预测时刻风电功率的诱导值,对诱导有序加权算子进行了改进,解决了预测时刻诱导值未知的问题。采用误差信息矩阵对单项模型进行冗余度分析,得到优选单项模型,然后建立基于Theil不等系数和3种改进诱导有序加权算子的组合预测模型。通过分析和实例验证表明,结合Theil不等系数和诱导有序加权算数平均算子(IOWA)的组合模型能有效地提高风电功率预测精度。

连续区间广义有序加权调和平均算子及其在区间组合预测中应用

在连续区间有序加权调和平均(Continuous ordered weighted harmonic averaging,C-OWHA)算子的基础之上,提出连续区间广义有序加权调和平均(Continuous generalized ordered weighted harmonic averaging,C-GOWHA)算子。对该算子进行拓展,提出了加权的连续区间广义有序加权调和平均算子、有序加权的连续区间广义有序加权调和平均算子、诱导有序加权的连续区间广义有序加权调和平均算子及组合的连续区间广义有序加权调和平均算子,以便能够用于计算区间数据组。此外,在诱导有序加权的连续区间广义有序加权调和平均算子的基础之上,以灰色趋势关联度为相关性指标,提出了基于灰色趋势关联度的诱导有序加权的连续区间广义有序加权调和平均算子的区间数组合预测模型,通过实例分析,表明该模型能够起到提高预测精度的作用。

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛.基于诱导有序加权平均算子构建了4种组合预测模型.实例表明这种模型能有效地提高预测精度.

基于诱导有序加权证据推理方法的不完全信息下继电保护系统健康状态评价

考虑到实际继电保护系统的监测数据庞杂,往往呈现动态性、不完备性和不精确性等特征,属于不完全信息,针对不完全信息下继电保护系统的评价方法进行研究。基于证据推理方法,对属性值存在缺失的继电保护系统状态进行了综合评价。引入诱导有序加权算子,系统状态信息的权重依据各属性表现的排序来确定,保证了状态评价模型中权系数与系统状态在任一时间点上的相关性。通过算例与传统模糊评价方法对比,验证诱导有序加权证据推理方法对不完全信息下继电保护系统状态评价的有效性,且更能针对性地反映系统劣化趋势。

基于IOWA算子的空气质量组合预测

对空气质量指数进行预测,反映数据波动的趋势与规律,提出基于诱导有序加权平均(IOWA)算子的Prophet-EEMD-XGBoost模型。首先利用Prophet算法将数据分解为趋势项、季节项、节假日、误差项;然后集合经验模态分解EEMD将原始数据分为9项IMF以及残余分量。最后,利用XGBoost模型对各分量分别进行预测,预测结果利用MAE、MAPE、RMSE、RMSPE进行评价。结果表明,相较于一些单预测模型与其他组合预测模型,基于IOWA算子的Prophet-EEMD-XGBoost组合预测模型有更好的预测效果。

基于IOWA算子和TOPSIS的桥梁全寿命设计方案优选模型的研究

桥梁工程设计方案的优选是个多目标、半模糊决策问题,提出了一种基于IOWA算子和TOPSIS的桥梁工程全寿命设计多目标方案优选的新模型。该模型首先引入区间数,将专家对评价指标重要度的模糊评判量化,构造初始判断阵;然后利用IOWA算子将所有专家的评判信息进行加权集结,从而实现指标权重的分配;最后基于TOPSIS算法和工程的客观信息实际,对参选方案与理想优先方案的贴近度进行排序,最终确定最佳设计方案。

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。

基于IOWC-GOWA算子的区间组合预测模型

在连续区间数广义有序加权平均(C-GOWA)算子基础上,将IOWA算子和C-GOWA算子相结合,提出诱导有序加权连续区间广义有序加权平均(IOWC-GOWA)算子的概念。以指数支撑度作为相关性指标,构建新的组合预测模型。通过实例分析说明该模型能有效提高预测精度。

基于相关系数及IOWA算子的区间组合预测方法

传统的组合预测方法是针对数字型数据并以改善拟合误差平方和为准则来建立模型。然而,在不确定环境下,样本数据和预测值均以区间数给出,因此有必要研究区间组合预测模型。文章引进IOWA算子以及相关系数概念,建立了多目标的区间组合预测模型,并探讨了模型的求解方法,再结合实例分析验证了模型的有效性,同时给出模型中的参数的灵敏度分析。

基于IGOWLA算子的区间组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,将区间数的左右端点作为考虑问题的出发点,引入诱导广义有序加权对数平均算子(IGOWLA)算子的概念,以误差平方和为准则,分别建立左右端点的基于IGOWLA算子的变权系数最优组合预测模型,并通过引入偏好系数把多目标最优化模型转化为单目标最优化模型。通过实例分析说明了该模型能有效提高预测精度。

基于左右端点的IOWGA算子的区间型组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,将区间数的左右端点作为考虑问题的出发点,引入诱导有序加权几何平均(IOWGA)算子,以对数误差平方和为准则,分别建立左、右端点的IO WGA算子的变权系数最优组合预测模型,并通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,给出各模型间最优解的性质。