基于多模型组合方法的公平水库中长期入库径流预报

准确可靠的水库中长期预报结果对于指导受水区水资源优化配置等具有重要意义。本文首先选取SARIMA模型、SVM模型、XGBoost模型与RF模型分别构建公平水库月入库径流预报方案,以气象因子的物理机制为基础,在成因分析与随机森林重要性排序的基础上筛选关键预报因子并输入至4个单一模型中。然后在对比分析各模型优劣的基础上,以线性与非线性组合2种方式构建组合预报方案。结果表明:RF模型在4个单一模型中的模拟结果表现最优,SARIMA模型的模拟精度随着入库径流量的增加而增加;组合预报模型较任一单一模型的模拟结果均更好,基于神经网络的非线性组合方式能够有效提高验证期的模拟精度,增加模型的泛化能力。

基于变权重组合模型的铁路客运量短期预测

科学、准确的铁路客运量短期预测是提高铁路客运系统竞争力与服务水平的关键。针对铁路短期客运量的特点,提出了一种基于灰色理论的变权重组合预测模型。为了获取不同模型在不同时刻的权重系数,采用广义回归神经网络对动态权重进行跟踪和预测。以2014年1~12月份的铁路客运量为研究对象,分别建立均值GM(1,1)模型、离散GM(1,1)模型、灰色Verhulst模型以及变权重组合预测模型。实例分析的结果表明,三个单一模型的平均相对误差分别为17.14%、16.99%和12.94%,而变权重组合模型为7.01%,变权重组合预测模型的预测精度明显高于单一模型。

组合预测方法中权系数的应用研究

针对组合预测方法中权系数的确定问题,提出两种组合预测方法。一种是引入误差评价公式来确定权系数的固定权系数组合预测方法;一种是基于神经网络的误差倒数变权组合预测方法。通过实例分析说明了两种方法的可行性,且结果表明方法比单模型方法预测和传统组合预测方法具有更高的拟合精度。

基于神经网络和支持向量机的大客车运行车速组合预测

为了降低单个预测方法的不确定性,综合神经网络和支持向量机两种学习型算法,基于二者的最优加权组合对大客车运行车速进行了预测.以二级公路上244个路段的平曲线半径和纵坡度等线形数据和实测车速为样本,分别应用BP神经网络、支持向量机、最优加权组合预测以及线性回归对大客车第85百分位运行车速进行了预测.选择均方根误差和判断系数为评价指标,对比结果表明,最优加权组合预测能够综合单个预测方法的信息,提高了预测精度.

神经网络优选组合预测模型在电力负荷预测中的应用

针对以往的组合预测模型中,最优权重不能保证非负性的问题,引入了神经网络优选组合预测模型。实例验证表明,此模型具有很强的自适应性和较高的预测精度。

基于熵权的年降雨量预报优化组合模型研究

鉴于单一预测模型在建模时预测值比实际值存在较大偏差问题,为了提高预测精度,在此首先采用自回归综合移动平均ARIMA模型（简称A模型）、Elman神经网络模型（简称B模型）、小波网络分析模型（简称C模型）、灰色系统GM（1,1）模型（简称D模型）,利用广西田东县1990～ 2007年的年降雨量分别进行了模拟计算,然后在各单一模型预测（拟合）的年降雨量偏差值基础上,应用熵权法对4种模型的偏差值进行客观赋权后优化组合,并根据最优组合结果,选用A、B、C单一模型和最优选的A-B-C优化组合模型对广西田东县2008～ 2010年的年降雨量进行预测对比.结果表明,A、B、C和A-B-C模型得到的均方根误差RMSE和模型效率EF分别为0.018、0.015、0.017、0.013和0.817、0.877、0.843、0.897,优化组合模型的预测精度和拟合度比单一模型的结果得到了提高和改善,该组合方法提高了年降水量的预测精度,为诸如广西田东县以雨养农业为主的区域农业干旱预报提供了新的方法和依据.

基于DGM和TDNN的火电行业NO_x排放量变权组合预测(英文)

从区域火电行业NOx排放量预测问题的离散灰色、非线性和动态性等特征出发,建立了基于离散灰色预测模型(discrete grey model,DGM)和时延神经网络(time-delayedneural network,TDNN)模型的变权组合预测模型。其中,时延神经网络模型与传统静态神经网络(如BP、RBF神经网络)相比较,更能反映系统的动态特征,有利于提高预测的准确性;在组合变权系数确定上,采用了等维递补多项式拟合方法,提高组合预测的拟合精度。最后,以国家权威部门公布的1994—2009年火电行业相关历史数据为基础,对未来7年我国火电行业NOx排放量进行预测研究和分析。结果表明:从预测平均相对误差来看,变权组合预测为0.846%,而TDNN为1.296%,离散灰色预测则为3.472%,变权组合预测模型的预测精度明显高于单项预测模型;从预测结果趋势走向来看,组合预测结果与实际趋势最接近,较单项预测有更高的吻合度,预测结果准确可靠。

基于算术平均最小贴近度和BP神经网络的变权组合预测模型研究

通过构造新的差值-比例矩阵,对2012年的沪铜期货价格建立了基于算术平均最小贴近度和BP神经网络的变权组合预测模型,并对沪铜期货价格进行了实证研究.结果表明,基于算术平均最小贴近度和BP神经网络的变权组合预测模型的预测精度明显高于各个单模型的预测精度,说明了此变权组合预测模型是有效的.

最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明:3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。

基于自回归和神经网络算法加权组合的负荷预测

针对时间序列法的自回归动平均模型和神经网络算法在负荷预测中的不足,提出对这两种预测结果采用加权组合方法,在不同时期的负荷预测采用不同的加权值来提高预测结果的精确度。通过算例分析短期负荷预测和长期负荷预测,证明采用加权组合方法的预测结果比自回归动平均模型和神经网络算法分别预测要准确。

基于组合预测模型的萧山碳排放预测

根据萧山1997—2017年碳排放数据和"十四五"规划指标,基于ARIMA时间序列模型、NAR神经网络、STIRPAT模型分别预测2025年萧山碳排放量.运用最优加权组合模型,截取模型2007—2016年的拟合数据,将3种模型进行组合预测.结果显示,组合之后各项评价指标均表明相对单一模型更好,组合预测模型的拟合优度为0.83,相对平均绝对误差为3.14%、均方根误差为0.5643,组合模型有更高的精度.组合模型预测2025年萧山的碳排放量将达到2454.98万t,碳排放强度下降至0.817 t/万元.

中国CO_2排放量变权组合预测研究

从区域CO2排放量预测问题的离散灰色、非线性等特征出发,建立了基于离散灰色预测模型和广义回归神经网络模型的变权组合预测模型。其中,广义回归神经网络模型具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解决非线性问题,有利于提高预测的准确性;在组合变权系数确定上,采用了等维递补多项式拟合方法,提高组合预测的拟合精度。以我国1990～2010年CO2排放量的测算数据以及同期的人口数量、GDP和能源消耗总量数据为基础,对未来7年我国CO2排放量进行了预测。