基于LSTM人工神经网络的电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确性较低的问题,提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势,并以卷积神经网络作为负荷数据的特征提取层,结合GRU网络构建了组合模型,通过建立残差预测模型对结果进行修正。仿真结果表明,具有记忆功能的神经网络预测效果要优于ANN和SVM模型,且所提出残差预测模型的负荷预测平均相对误差约为1.79%,其准确性高于单一算法的负荷预测模型。

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想的情况,在GM(1,1)模型的基础上,建立了自适应GM(1,1)模型与残差修正GM(1,1)模型,并讨论了2种改进模型的各自优点。依据某隧道沉降监测数据,进行工程实例分析,得出自适应GM(1,1)模型与残差修正GM(1,1)模型在一定程度上均提高了原模型的预测精度和预测曲线的相关性;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。

马尔科夫理论在中长期负荷预测中的应用

针对灰色预测模型对随机波动性较大的数据序列拟合较差、预测精度较低的情况,提出了一种基于马尔科夫灰色残差修正的预测模型,该模型考虑到马尔科夫理论中转移概率可以反映随机因素的影响、适用于随机波动较大的动态过程的特点,将其与灰色预测模型进行有机结合。文中一方面利用马尔科夫链对电力负荷的未来残差值进行修正;另一方面运用马尔科夫状态转移矩阵对未来残差值的符号进行判定。该方法弥补了灰色预测模型的固有缺陷。预测结果表明该方法在提高组合预测精度上具有可行性。

灰色预测模型在径流长期预报中的应用

基于灰色系统的建模理论，利用河西地区有关河流的径流观测资料，建立了一个ＧＭ（１，１）残差序列周期修正径流预测模型，并用于春旱缺水期３～６月河流来水量的长期预报，经生产部门验证。

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度;接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值;然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度;最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。

改进Verhulst模型在饱和负荷预测中的应用

为实现对宏观负荷的饱和时间点、饱和规模的预测,提出了一种基于改进Verhulst模型的饱和负荷预测方法。针对饱和负荷预测时间跨度长、负荷规模增长呈现"S"型的特点,将等维新息递补技术引入灰色Verhulst模型,使预测结果能够更科学合理地反映用电需求的发展规律。采用残差修正的思想,构造Verhulst残差修正模型,实现对用电需求的分析与预测。最后,通过实例分析说明该方法的有效性。

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为:乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM(1,5)预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM(1,5)模型的残差进行修正,以便改善预测精度。实例结果:事后检验阶段GM(1,5)模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。

中长期电量预测的傅里叶-马尔科夫修正模型

灰色模型在中长期电量预测中只对电量呈近似指数规律单调增长的序列才有较高的预测精度.随着电量变化随机波动性的增强,建立新的修正预测模型是十分必要的.针对灰色模型抗干扰能力差的问题,提出了灰色预测的傅里叶-马尔科夫修正模型,先利用傅里叶级数法,提取周期信息,优化电量变化的指数率,再采用马尔科夫链法,将电量波动随机性嵌入模型之中,从而对灰色预测的原始残差进行二重修正,提高预测模型的适应性和灵活性.通过实例分析以及对比验证表明,该模型有效地提高了预测精度.

基于灰色马尔可夫链的兰村泉域地下水位预测

将兰村泉域S1长观孔2001—2010年的年平均水位埋深作为特征因素序列,降水量和人工开采量作为相关因素序列,采用灰色系统理论将GM(1,N)模型应用于兰村泉域岩溶地下水位埋深预测,并应用马尔可夫模型对输出结果进行残差修正。结果表明:经过修正后的GM(1,3)模型的拟合精度达到97.41%,比没有经过残差修正的GM(1,3)模型高出9.62%,修正后的预测值更加贴近原始值,准确性提高。采用马尔可夫残差修正模型对2011—2013年兰村泉域水位埋深值进行预测,结果表明:2011年、2012年、2013年的地下水位预测值分别为33.24、32.01、31.12 m,地下水位缓慢回升。

基于优化非等时距权重傅里叶灰色模型的变形预测

针对传统非等时距灰色模型对变形预测精度偏低问题,首先在传统非等时距灰色模型的基础上引入权重系数优化生成序列,然后利用傅里叶变换函数对残差进行修正,建立了权重优化-傅里叶变换函数残差修正的组合预测模型;最后以某下承式集散拱肋拱桥为背景,对其主梁变形进行预测。预测结果表明:该模型预测值总体平均相对误差为2.4%,高于传统非等时距灰色模型,预测精度为1级,为主梁变形预测提供了一种有效的技术手段。

基于灰色预测模型的长三角水运量预测

通过对长三角地区水运货运量的分析和研究,应用灰色系统中的GM(1,1)模型及其残差周期修正方法,建立了经残差修正后的预测模型,通过运行预测模型并与原历史数据进行比较,确认预测模型准确度较高;最后以此预测模型对长三角地区2012—2019年的水运货运量进行了预测。

高阶残差修正GM(1,1)区间预测模型及其应用

提出了一种Markov高阶残差修正GM(1,1)区间模型,在GM(1,1)模型的基础上对拟合数据残差项的绝对值运用Markov模型进行数据拟合,通过将残差项叠加的方式逼近数据真实值。根据残差项的正负状态构建了预测区间,并通过数值模拟论证了预测区间的适用范围与合理性,运用Markov模型对预测区间进行了修正和改进,给出了Markov高阶残差预测区间的表达式。分析结果表明,模型弱化了灰色发展系数的取值条件,并且计算修正残差的阶数越高,预测区间结果可靠性越高,避免了根据概率大小选择预测结果所产生的预测风险,提高了预测结果的可靠性。

GM(1,1)残差修正的季节性神经网络预测模型及其应用

季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型。通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型。实例表明,所建模型具有较好的适应性和预测精度。

杏山铁矿冲击地压预测的优化GM(1,1)模型

冲击地压作为矿山开采中最严重的自然灾害之一,给矿山生产安全及作业人员生命安全带来了严重威胁。为对冲击地压进行实时有效的预测及防治,首先在非等间隔序列GM(1,1)模型的基础上,通过残差修正的方法对模型进行了优化,然后基于残差优化模型,结合现场监测数据,进行了杏山铁矿冲击地压预测的研究。研究结果表明:相比修正前模型,残差优化模型预测精度更高、预测效果更优;对于杏山铁矿-143 m水平工作面,随时间推移,围岩应力缓慢增加,但近期仍不会达到预警临界值,无冲击地压危险。

基于灰色理论的甲型H1N1流感传染人数预测模型研究

就我国甲型H1N1流感传染人数的预测运用灰色系统理论,建立了GM(1,1)模型和1阶残差修正模型GMε(1,1),并分别作了精度分析。研究了GMε(1,1)的变化趋势,提出了临界值和有效域概念。用MATLAB确定了模型参数及模型预测值。

基于改进灰色模型预测的节流流量传感器测量校正方法

为了提高节流流量传感器的测量校正精度,提出一种基于改进灰色GM(1,1)模型的预测校正方法。该方法首先对灰色GM(1,1)模型的流程进行改进,并采用LM方法对GM(1,1)模型的初始值进行求解计算;然后利用基于Markov过程的残差修正模型进一步提高预测精度;最后通过实例分析验证了提出方法的可行性。实验结果表明,相比传统灰色GM(1,1)模型,提出改进模型的预测值与实际测量值的拟合度更好,有效降低了校正后的节流流量传感器的测量误差。

基于改进的GM_Markon模型对北京创意产业发展的预测

创意产业产值受周边环境因素影响较大,在某些年份甚至出现局部较大畸变,通过相关文献学习,首先通过对灰色模型预测,然后经过残差修正增加模型规律性(采用两次残差累加),最后在残差修正灰色模型基础上应用改进的马尔科夫链提高预测精度,对2005-2014年北京创意产业产值数据验证算法有效性进行研究。此算法优点在于弥补灰色模型数据少,随机性大的缺陷,很好修正畸变数据和提高拟合度。

基于灰理论的时滞经济预测模型及应用

针对经济预测中具有时滞性样本数据序列的预测建模问题,在对GM(1,1)模型拟合残差分析的基础上,结合AR模型及残差自回归模型建立了新的时滞GM(1,1)模型,并给出了该模型一种基于最小二乘的求解算法.最后通过对我国GDP指数进行预测,给出了经济预测中建模的一个应用实例,取得了较为满意的效果.

组合模型EPS转矩转角传感器可靠性预测

为提高电动助力转向系统的性能,设计一种电动助力转向系统转矩转角传感器,并建立数学模型对传感器的可靠性进行预测。在实验的基础上比较灰色GM(1,1)模型、残差修正的灰色GM(1,1)模型以及残差修正的灰色马氏链组合模型的预测准确度。由于单个模型很难保证预测准确度水平,因此通过计算组合模型不同步数的转移概率矩阵确定目标状态,进而得到预测值。通过比较,组合模型比单个模型的准确度更好,更适宜描述随机性较大的问题。

机械加工尺寸预报建模研究

通过对常见机械加工尺寸预报模型的特点分析,提出了一种等维递补灰色预报-等维递补动态指数平滑残差修正的预报模型GM(1,1)-S(α_t,s_(0.t)),并通过理论分析和实验验证等不同角度对该模型进行了研究。研究结果表明:该模型与传统预报模型相比具有较高的预报精度,为工件加工质量在线监控提供了理论基础和实践指导。