基于灰色理论与BP神经网络组合模型的中长期负荷预测

灰色系统预测模型是中长期负荷预测的一种有效方法,但是,此模型存在未考虑经济因素对负荷发展的影响及难以满足高精度要求的缺陷,构建了考虑经济因素影响的灰色BP神经网络组合预测模型,通过灰色关联分析方法确定影响负荷的主要经济因子.主要经济因子的引入,使预测模型更符合实际、更合理.应用此组合模型对某省全社会用电量进行了中长期预测,结果表明,该模型具有更高的精度和更好的实用性.     

水资源污染负荷强度的灰色有效性预测模型及其应用

水资源污染负荷强度预测是水污染防治的关键环节。基于灰色系统理论,构建了水资源污染负荷强度的GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型,并利用预测有效度计算各单预测模型的权重,进而建立水资源污染负荷强度的灰色GM-Verhulst-SCGM组合预测模型,在此基础上,选取2004-2013年期间工业单位产值化学需氧量排放量历史数据进行模型拟合,利用其2014-2016年数据进行模型检验。研究发现,灰色组合预测模型呈现出更低的预测误差,符合水资源污染负荷强度高精度预测需求;而通过对水资源污染负荷强度实证预测发现,其负荷强度整体上呈逐步削弱的态势,但可能会出现其高速下降向稳步趋缓转变的速率"拐点",预示着水污染防治将由"浅水区"向"深水区"的转变。     

基于灰色关联分析的支持向量机需水预测研究

近年来需水预测一直被高度重视,由于实际需水预测涉及因素众多难以考虑全面、历史资料的局限性以及需水变化影响因素考虑不足等,各种需水预测方法均存在一定局限性,导致预测结果与实际用水量有较大差别.针对以上问题,考虑采用灰色关联分析与支持向量机结合的方法进行需水预测,根据灰色关联分析方法辨识得到的各类用水主要影响因素,构建支持向量机需水预测模型.以郑州市实际用水量为例,对各部门用水分别建立基于灰色关联分析的支持向量机非线性需水预测模型,结果表明,此方法用于需水预测能够比较全面的考虑需水量影响因子,预测结果精度较高,可作为小样本情况下一种较好的需水预测方法.     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

灰色关联度组合模型在涝灾预测中的应用

传统灰色预测模型在涝灾预测中有较多应用,但其预测精度较低。为提高模型的预测精度,在传统灰色预测模型基础上加入灰色关联度分析,从灰色关联度的角度发现数据之间的依赖关系,运用灰色预测模型预测数据的发展走向。以沈阳市1960-2010年涝灾年份数据为依据,建立灰色关联度组合模型,应用结果表明,该模型比传统灰色预测模型效果好,为涝灾预测增添了新手段。     

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

基于灰色蚁群组合预测的生物质气化炉双闭环控制

针对生物质气化炉处理过程中存在非线性、大时滞性、不稳定性和负荷干扰特点,提出了一种基于灰色蚁群组合预测双闭环控制算法。首先采用灰色算法建立气化炉温度预测模型,然后考虑可能的扰动,引入蚁群算法对灰色模型进行优化,在此基础上对炉温进行控制;最后引入基于变论域模糊控制算法,利用模糊规则对气化炉一次风量进行控制,在保证炉温稳定的情况下,降低可燃气体含氧量。仿真和现场运行结果表明了方法的有效性和先进性。     

基于实测的年度灌溉用水有效利用系数组合预测与分析

在广东省"十一五"期间"首尾测算"分析法测算灌溉用水有效利用系数的基础上,采用灰色关联度定性分析筛选出了主要影响因素,并用主成分分析法进行了验证;通过用灰色系统,回归分析和时间序列指数平滑方法构建了5种单一预测模型,在此基础上按最优加权组合预测方法建立了组合预测模型,定量表达了灌溉用水有效利用系数与各主要影响因素之间的响应关系,并通过实例验证了该预测模型具有很高的预测精度。最后,对2000—2015年间灌溉用水有效利用系数的长期变化趋势进行了分析。探索利用年度统计资料进行广东省年度灌溉用水有效利用系数计算的方法,为缺乏实测工作的前提下,利用年度统计数据进行灌溉用水有效利用系数预测评估提供一条简便可行的途径。     

基于灰色关联分析与多元线性回归模型的水面蒸发预测

采用灰色系统理论中的关联分析方法,对影响水面蒸发的各个因素进行分析,挑选出影响水面蒸发的主要因子,建立水面蒸发与主要影响因子之间的多元线性回归预测模型。通过实例证明,该方法简单可行,预测精度比较高。     

基于神经网络灰色模型的农田土壤湿度预测研究

为了提高农田土壤湿度预测的效果,采用神经网络灰色模型。首先灰色模型对农田土壤湿度数据建模,神经网络对误差进行校正;然后神经网络灰色模型考虑湿度数据之间的关联度,只对关联度值较大的单个预测模型进行组合预测;最后给出了算法流程。实验结果表明,随着农田土壤深度的增加,湿度数据预测值的相对误差以及波动性都在增加;多模型对比实验显示:对垂直深度70 cm和80 cm的土壤湿度预测值接近真实值,剩余预测偏差指标最小值为2.69、平均值为2.75,模型判定系数为0.98,结果优于其他预测模型指标。     

灰色新陈代谢GM（1,1）模型在参考作物腾发量预测中的应用研究

随着时间的发展,任何一个灰系统都会加入一些未来的扰动因素,对系统的发展产生影响。而常规灰色GM（1,1）预测模型在建模时,采用的是现实时刻t=n为止的过去的数据,没有考虑这些扰动因素。故离现实时刻越远,该模型的预测精度就越低。针对这种情况,提出了灰色新陈代谢GM（1,1）预测模型。并尝试用灰色新陈代谢GM（1,1）预测...     

灰色神经网络组合模型在庆安县年降雨量预测中的应用

采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。     

基于灰色马尔柯夫链模型的浙江省名优茶产量预测

将灰色系统理论与马尔柯夫链结合在一起,建立了灰色-马尔科夫模型,并以此模型来对浙江省名优茶年产量进行预测,以达到科学指导生产、规划销售的目的。首先根据2000-2010年浙江省名优茶产量的统计资料,建立灰色系统GM(1,1)预测模型,并在此基础上运用马尔柯夫链理论对预测结果进行修正,得出更精确的预测结果。实例计算后发现,运用灰色马尔柯夫模型得到的预测结果较之单纯的GM(1,1)模型准确性有较大程度的提高。结果表明,灰色马尔柯夫模型更适用于对随机波动性较大的数列进行预测,此方法用于名优茶产量的预测是可行的。     

禽蛋孵化过程组合预测研究

针对孵化过程是一个具有高度非线性、大滞后、时变特性且强耦合性的农业生产过程,提出了一种基于灰色预测和联想记忆神经网络的组合预测方法.该模型首先利用灰色预测模型和联想记忆神经网络分别对焦炉禽蛋孵化过程温、湿度进行预测,然后采用方差-协方差优选组合预测法对2种单一模型的预测结果进行加权集成,以获得较为准确的预测精度,实现孵化过程温度和湿度的有效预测.运行结果表明,组合预测模型均方根相对偏差为0.9％.     

灰色预测模型粮食产量预测比较研究

鉴于粮食生产系统的复杂性和信息不完全性,在对粮食生产系统灰色关联分析的基础上,确定出影响粮食产量的主要因子,然后建立灰色GM(1,N)预测模型;应用同一原始数据和GM(1,1)预测模型进行了比较,证明GM(1,N)预测模型具有较高的预测精度,较好地拟合了粮食产量的发展趋势。     

基于改进的BP神经网络的水面蒸发预测北大核心

以往水面蒸发预测模型存在针对性不强、结构复杂的问题,同时指标筛选的过程存在很大的主观性,针对这些问题提出改进的BP神经网络模型。使用灰色关联法计算出各个预测因子与被预测因子的关联度,使用指标信息评价法根据算得的关联度确定最优预测因子组合,根据筛选出的预测因子,定出BP神经网络结构并以筛选出的预测因子为输入进行演算。预测结果合格率为70%。说明改进的BP神经网络模型适用性强。     

基于灰色预测和 随机森林组合算法的电量预测

为解决地区电量预测精度低、预测模型通用性差等问题,文章通过对区域用电量和经济因素的历史数据研究分析,提出了一种基于灰色预测和随机森林的组合电量预测方法。首先利用灰色预测方法通过历史电量数据进行电量初步预测;其次再利用经济指标数据,通过随机森林算法对初步预测的用电量进行修正,以达到最佳的用电量预测效果。最后将本模型运用于地区月用电量预测,结果表明:该预测方法平均绝对百分误差为(MAPE)2.06%,为地区电量预测工作提供一种新思路。     

区域物流规模发展预测方法研究

区域物流是全国乃至国际物流系统的重要组成部分,对区域经济的发展具有服务引导作用。本文对我国物流发展进行了分析,对灰色预测模型GM(1,1)的建模过程进行了研究,用已预测值和GM(1,1)原始序列一起做精度检验,根据未来数据的变化,设计了改进型的灰色预测模型,并结合实例进行了应用研究,得出了更接近实际的预测结果。通过误差检验,改进模型具有较高的预测精度,是一种非常实用的预测方法。     

基于改进灰色预测模型的航材消耗预测

文章基于灰色预测模型,用层次分析法和粗糙集理论来分析影响航材消耗的因素并计算其权重,结合各因素的变化情况,在GM(1,1)预测模型中添加修正因子进行优化,通过修正因子修正灰色预测结果,提高预测精度,通过实例验证了优化模型的有效性。     

基于蚁群算法的电力负荷预测

电力系统的负荷预测是电力系统安全调度、经济运行和科学管理的基础,也是电力系统制定发展规划的前提。在目前已存在的负荷预测技术中,对时间跨度大、影响因素多、非线性的中长期负荷的预测,并不能达到要求的精度。因此,本文选用对非线性问题有显著优化效果的仿生算法——蚁群算法,与组合预测技术相结合,解决组合预测中权重系数难以确定的问题,合理的筛选单个预测模型,获得良好的预测效果。