农网改造评价指标的非线性优选组合预测模型

为解决多项目评价中指标的自适应预测问题,采用定量趋势分析与定性趋势分析相结合的方法确定模型群,建立了一套适用于众多农网项目综合评价的优选组合预测模型。试用结果表明,模型的预测精度和通用性良好。

光伏电站环网柜温湿度非线性耦合预测模型研究

大型太阳能光伏电站中的环网柜工作环境复杂多变,面对温差大、潮湿等恶劣环境,极易发生环网柜运行故障,影响太阳能光伏的安全稳定接入并网。环网柜温湿度具有明显的线性和非线性变化特征,基于环网柜内部温湿度实测数据,利用自回归移动平均(ARIMA)模型和径向基函数(RBF)模型对线性和非线性数据处理能力的优势,构建ARIMA-RBF权重组合温湿度预测模型,对某光伏电站实际环网柜内温湿度进行动态预测。预测结果表明:相较于单一模型,ARIMA-RBF权重组合模型的预测精度更高、稳定性更好;该组合模型通过适当的加权策略充分发挥了单一模型对数据不同特征的处理能力,能较好地评估环网柜内部温湿度状态,可为建立更具普适性的预测模型提供参考,并有助于减少环网柜因长期超温和潮湿环境下运行引起的故障。

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。

基于IOWA算子的指数平滑模型与非线性回归模型的组合预测

文章首先对观测值进行单个预测,然后通过建立基于IOWA组合预测模型,构建了以误差平方和最小为准则新的组合预测模型,通过求解非线性规划模型给出了基于IOWA组合预测的最优权系数。最后对比预测效果评价指标体系的各个指标,表明该组合预测模型能提高模型预测的精度。

基于离散Hopfield模式识别样本的GRNN非线性组合短期风速预测模型

利用实时风速数据,建立基于离散Hopfield模式识别样本的广义回归神经网络(GRNN)非线性组合预测模型。在风速数据样本集经二维小波阈值去噪处理后,基于离散Hopfield识别历史数据中与待预测样本最相似的数据,并作为训练样本;将支持向量机、BP神经网络和Elman神经网络分别进行单项预测的结果作为输入向量,经GRNN进行非线性组合预测。采用某风电场的实际风速数据进行预测,结果验证了该预测模型的正确性和有效性。

区域工业用水量非线性预测模型的优选

针对BP神经网络在确定输入因子时的任意性,将相关性分析引入BP神经网络输入因子的选取中,通过计算输入因子和输出因子之间的相关系数,并根据相关程度来确定输入因子,同时利用遗传算法优化BP神经网络的权值和阈值的方法,建立了改进BP神经网络模型.将该模型应用于永定河山区工业用水量预测中,通过和传统非线性回归法进行比较,结果表明改进BP神经网络拟合和预测精度均较高.改进BP神经网络法的平均相对误差达到1.4100/,预测的2010年和2030年工业用水量将分别达到3.63×108m3和4.46×108m3.预测结果可为水资源规划和管理提供依据.

Wiener型非线性系统的La—RBF组合模型预测控制

针对 Wiener型非线性系统 ,本文提出了一种基于 L aguerre函数模型与 RBF神经网络模型的组合模型的预测控制策略 ,研究结果表明该组合模型兼具两者的优点 ,适用范围广 ,对系统变时延 。

BP神经网络非线性组合预测模型在海洋冰情预测中的应用

针对海洋冰情灾害的非线性复杂问题,目前已提出了多种模型对其进行预测。在此基础上,根据神经网络的非线性和良好的函数逼近特性,提出用基于BP神经网络的非线性组合预测(NN-NLCF)模型来预测海洋冰情灾害。结果表明,NN-NLCF模型与海洋冰情的非线性特性相契合,它综合利用了参与组合的多种预测模型的有效信息,因而能更客观地反映海洋冰情的发展趋势,预测结果更为稳健、精度更高,在其它自然灾害时序预测中具有一定的推广应用价值。

涡轴发动机组合模型非线性预测控制

针对涡轴发动机,为了更好的满足控制系统的实时性要求和提高控制性能,建立了数值稳态非线性模型和ARX动态线性模型相串联的组合模型,并将其作为预测模型,设计了非线性预测控制器。由于优化求解控制器时避免了非线性规划问题,控制系统的实时性得以保证。仿真结果表明,当旋翼负载变化时,功率涡轮转速收敛速度快,稳态精度高,超调量小。

能源发展趋势的非线性优化组合预测模型研究

通过对我国能源生产历史数据的分析,提出了非线性回归与灰色预测优化组合预测模型,从理论和应用上说明了此方法的优点,并对未来的能源生产发展做出了分析预测。

创新产品市场扩散的非线性组合预测模型

提出了一种新的非线性组合预测扩散模型 ,并给出了相应的反向传播学习算法 ,理论研究与应用举例表明 :该方法具有很强的学习与泛化能力 ,在处理诸如创新扩散时间序列这种具有一定程度不确性的组合建模与扩散预测方面有很好的应用价值。为预测创新产品的未来销售和制定创新产品市场营销战略提供了决策支持。

非线性组合模型在库岸边坡地下水位预测中的应用

根据某库岸边坡地下水位的监测资料,建立了地下水位预测的时间序列法和速率分析法,在此基础上构建了非线性组合预测模型。各模型的预测结果分析表明:非线性组合模型的精度高于单一预测模型,是一种较好的库岸坡体地下水位预测方法,非线性组合预测模型的应用,为库岸边坡稳定性的长期预测提供创造了条件。

非线性权组合预测模型及其最优权的确定

非线性权组合预测模型及其最优权的确定周传世（广东商学院城市经济管理系５１０３２０）１引言组合预测方法是当前研究得较为活跃的一个方法。但大多作者都是讨论的线性组合预测模型以及如何根据不同的目标函数确定最优权系数。一般来讲，不同预测模型的非线性组合在一定...

基于小波网络的大坝非线性组合预测模型

针对大坝这一复杂的巨系统,为尽可能利用观测量的有用信息,引入了大坝非线性组合分析模型,并基于小波理论及人工神经网络原理构建了小波网络的大坝非线性组合预测模型。以龙潭混凝土大坝为例进行拟合和预测,计算结果与实测值吻合良好,表明本文方法可行、有效。

基于MMAS-BP算法的短期风速非线性组合预测模型

为提高风电场短期风速的预测精度,引入一种基于改进蚁群算法优化神经网络的非线性组合预测方法,按误差平方和最小原则对所建灰色GM(1,1)模型、BP网络和RBF网络三种单一预测数据进行非线性组合,并将其结果作为最终预测值。仿真结果表明,该方法的平均绝对误差及均方误差分别为17.76%和3.68%,均小于单一模型、线性组合模型及神经网络组合模型的预测结果,提高了网络的泛化能力,降低了预测风险,为风电场风速预测提供了一种新途径。

软土地基沉降非线性组合预测模型及应用

软土地基沉降预测是建筑物主要考虑的问题之一.基于软土地基上建筑物沉降的一些实测数据,提出了一种幂函数曲线线性回归-灰色理论相结合的非线性组合预测模型.理论分析和实例预测表明,该模型的预测值更接近真实值,预测结果的可靠度更高.

中国股市波动率的TSK非线性组合预测模型

Grey-GARCH模型是一类新的波动率模型。针对单一Grey-GARCH类模型只能有限地提高波动率的预测精度,利用TSK模糊推理系统,结合组合预测的思想,建立波动率的TSK非线性组合预测模型。通过对上证综指和深证综指的实证分析,发现与单一Grey-GARCH类模型、RBF非线性组合预测模型和线性组合预测模型相比,TSK非线性组合预测模型总体上能够获得更高的预测精度,说明TSK非线性组合预测模型是一种有效的波动率预测分析方法。

多变量弱信息非线性预测问题的一类组合模型

针对预测研究中,变量指标较多,数据携带的信息较弱且和预测变量是非线性关系。造成预测模型构建困难且预测结果稳定性不强的问题,提出了构造非线性组合模型的方法,解决了上述问题。应用于华北地区的地震预报,取得了较好的效果。

基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

考虑时空相关性的大坝渗压组合深度学习预测模型

针对现有大坝渗压组合预测研究大多仅基于单一测点进行建模,忽略了大坝渗压多测点测值的时空相关性,且大多采用线性组合策略,存在难以捕捉子模型间的非线性特征等问题,提出一种考虑时空相关性的大坝渗压组合深度学习预测模型。首先,采用K近邻(KNN)优化密度峰值聚类(DPC)算法的局部密度函数,以实现渗压时序时空相关特征的提取与自适应聚类;其次,在采用小波分解(WD)对渗压时序进行多尺度细化的基础上,利用小波神经网络(WNN)捕获渗压时序数据的高频细节特征,并基于双向长短期记忆网络(BiLSTM)建立渗压时序数据的低频趋势特征与时空特征、外界环境影响因子之间的高度非线性映射模型;进一步,基于长短期记忆网络(LSTM)对高、低频特征序列的预测结果进行非线性组合,以捕捉子模型之间的非线性特征。工程案例分析结果表明,相比于未考虑时空相关性的单点预测模型和采用线性组合策略的时空预测模型,所提模型的预测精度分别提高了75.7%和41.4%,验证了所提模型的有效性,为大坝渗流安全监控提供了新思路。