改進(jìn)的并聯(lián)灰色神經(jīng)網(wǎng)絡(luò)模型在電力需求預(yù)測中的應(yīng)用

基于灰色bp神經(jīng)網(wǎng)絡(luò)組合模型的基坑變形預(yù)測研究——為了使得基坑變形預(yù)測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結(jié)果，在傳統(tǒng)的灰色gm(1，1)模型和bp神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，進(jìn)行了灰色bp神經(jīng)網(wǎng)絡(luò)組合模型的研究。通過總結(jié)2傳統(tǒng)模型的原理和算...

灰色gm(1,1)預(yù)測模型,要求樣本數(shù)據(jù)少,具有原理簡單、運(yùn)算方便、短期預(yù)測精度高、可檢驗(yàn)等優(yōu)點(diǎn),在負(fù)荷預(yù)測中得到了廣泛應(yīng)用,但是也有其局限性。當(dāng)數(shù)據(jù)灰度越大,預(yù)測精度越差,且不太適合經(jīng)濟(jì)長期后推若干年的預(yù)測,在一定程度上是由模型中的參數(shù)α造成的,為此引入向量θ,建立殘差gm(1,1,θ)模型,利用蟻群優(yōu)化算法對其進(jìn)行求解,同時(shí)應(yīng)用神經(jīng)網(wǎng)絡(luò)對其預(yù)測殘差進(jìn)行優(yōu)化。實(shí)證分析表明,與傳統(tǒng)的預(yù)測方法相比,大大提高了預(yù)測精度,該方法具有一定的實(shí)用價(jià)值。

針對當(dāng)前電力需求在中長期預(yù)測方面的需求，結(jié)合相關(guān)的智能算法，提出一種基于改進(jìn)聚類算法的電力需求預(yù)測模型。結(jié)合聚類算法的優(yōu)點(diǎn)，對電力需求數(shù)據(jù)進(jìn)行劃分，從而得到不同行業(yè)的電力數(shù)據(jù)；然后利用統(tǒng)一的電力需求模型，對電力需求進(jìn)行預(yù)測。通過這種方式挖掘到不同行業(yè)在未來對電力的不同，進(jìn)而更好的做好對各個(gè)行業(yè)電力需求的供應(yīng)。

介紹灰色神經(jīng)網(wǎng)絡(luò)模型的建模原理和方法,并采用該模型對實(shí)際的監(jiān)測數(shù)據(jù)進(jìn)行處理和分析。結(jié)果表明,灰色神經(jīng)網(wǎng)絡(luò)模型能夠在小樣本、貧信息和波動(dòng)數(shù)據(jù)序列等情況下對變形監(jiān)測數(shù)據(jù)做出比較準(zhǔn)確的模擬和預(yù)報(bào),從而能夠?yàn)樽冃伪O(jiān)測的數(shù)據(jù)處理提供一種較好的方法,能夠滿足實(shí)際應(yīng)用的需求。

灰色神經(jīng)網(wǎng)絡(luò)就是將灰色系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法有機(jī)地結(jié)合起來,對復(fù)雜不確定性問題進(jìn)行求解所建立的模型.結(jié)合灰色預(yù)測方法與神經(jīng)網(wǎng)絡(luò)預(yù)測方法,對四川省普通高等學(xué)校每年所招收新生人數(shù)進(jìn)行預(yù)測.結(jié)果表明此種組合模型的精度較高,且具有灰色系統(tǒng)的少數(shù)據(jù)建模優(yōu)點(diǎn)及神經(jīng)網(wǎng)絡(luò)的精度可控特性.

以浙江省公路貨運(yùn)量歷史數(shù)據(jù)為例,考慮到影響貨運(yùn)量主要因素,采用灰色神經(jīng)網(wǎng)絡(luò)模型gnnm(1,n)進(jìn)行預(yù)測,并與灰色模型gm(1,n)和神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果相比較。計(jì)算結(jié)果表明:該方法在預(yù)測公路物流需求量具有有效性;在灰色模型gm(1,n)預(yù)測時(shí),通過比較緊鄰均值生成序列的生成系數(shù)α對預(yù)測精度的影響,選取了最優(yōu)值進(jìn)行計(jì)算從而提高了灰色模型的預(yù)測精度。

建筑物沉降的因素多種多樣，因此，采用變形監(jiān)測技術(shù)對沉降量進(jìn)行監(jiān)測，利用精度較高的預(yù)測模型進(jìn)行沉降量預(yù)測預(yù)警很有意義。為了提高建筑物變形監(jiān)測的精度以及變形監(jiān)測預(yù)警的準(zhǔn)確性，針對gm（1，1）模型和rbf神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，提出灰色rbf神經(jīng)網(wǎng)絡(luò)模型。通過對某建筑物的沉降監(jiān)測數(shù)據(jù)進(jìn)行實(shí)例計(jì)算，結(jié)果顯示灰色rbf神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度。

通過markov狀態(tài)轉(zhuǎn)移矩陣對改進(jìn)后的灰色預(yù)測結(jié)果進(jìn)行修正,構(gòu)建改進(jìn)灰色-markov預(yù)測模型,并對我國鐵路未來貨運(yùn)量需求預(yù)測進(jìn)行了實(shí)證分析。

gm模型在預(yù)測中對歷史數(shù)據(jù)作不同取舍時(shí),其預(yù)測值并不相同,即這種預(yù)測結(jié)果將是一個(gè)預(yù)測值的區(qū)間,這就給預(yù)測人員的取舍帶來一定困難。利用gm模型少數(shù)據(jù)建模和人工神經(jīng)網(wǎng)絡(luò)非線性逼近的優(yōu)點(diǎn)把兩種模型結(jié)合起來,用對歷史數(shù)據(jù)作不同取舍的gm模型的預(yù)測值和純神經(jīng)網(wǎng)絡(luò)的預(yù)測值作為組合神經(jīng)網(wǎng)絡(luò)的輸入,由人工神經(jīng)網(wǎng)絡(luò)確定這些不同gm模型和純bp網(wǎng)絡(luò)的組合,實(shí)例驗(yàn)證得出更為準(zhǔn)確的預(yù)測值,從而證明這一模型的可行性和有效性。

bp神經(jīng)網(wǎng)絡(luò)-灰色系統(tǒng)聯(lián)合模型預(yù)測軟基沉降量——目前軟基沉降預(yù)測多采用指數(shù)曲線和雙曲線延伸法，其結(jié)果不夠理想，神經(jīng)網(wǎng)絡(luò)在此方面的運(yùn)用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預(yù)測領(lǐng)域已得到運(yùn)用，但在已有的案例中所使用的等時(shí)距模型都沒有明確說明...

簡單地介紹了bp神經(jīng)網(wǎng)絡(luò)與灰色系統(tǒng)gm(1,1)模型原理,并利用matlab語言及其工具箱,結(jié)合某深基坑工程的地表沉降監(jiān)測數(shù)據(jù)編制了預(yù)測預(yù)報(bào)程序,實(shí)現(xiàn)了地表沉降數(shù)據(jù)的預(yù)測預(yù)報(bào)。分析了這2種模型的預(yù)測結(jié)果。

利用智能方法對邊坡形變進(jìn)行預(yù)測,進(jìn)而對礦區(qū)安全進(jìn)行評(píng)估近年來成為研究的熱點(diǎn)。針對邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點(diǎn),本文將灰色理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò),充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡(luò)處理非線性的能力,對礦區(qū)邊坡形變進(jìn)行預(yù)測。實(shí)驗(yàn)分析表明,利用灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行形變預(yù)測是正確有效的,預(yù)測精度取得了較好的效果。

在城市地下工程建設(shè)中,深基坑開挖引起的周圍地表土沉降問題越來越受到人們的重視。地表沉降將引起鄰近建、構(gòu)筑物破壞,從而造成經(jīng)濟(jì)損失。因此,預(yù)測基坑周圍土體未來一段時(shí)間的沉降,對及時(shí)采取治理措施具有重要意義。文章針對gm(1,1)模型地面沉降預(yù)測精度較低的問題,利用神經(jīng)網(wǎng)絡(luò)對灰色預(yù)測模型進(jìn)行組合,生成灰色神經(jīng)網(wǎng)絡(luò)模型,并進(jìn)行預(yù)測分析,結(jié)果表明,利用灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測的沉降值,比單獨(dú)的灰色gm(1,1)模型預(yù)測的沉降值具有更高的精度。

在深基坑工程施工過程中，基坑周圍地表的沉降對周圍建筑物、地下管線和支護(hù)體系的安全都會(huì)造成很大的影響，如何利用對影響基坑周圍地表沉降的關(guān)聯(lián)因素的研究并結(jié)合基坑周圍地表沉降的監(jiān)測數(shù)據(jù)來分析得到基坑周圍地表沉降量的走勢，已成為城市建設(shè)中的一個(gè)重要的安全課題．以天津市某換乘車站為例，分析影響該基坑周圍地表沉降的關(guān)聯(lián)因素，建立灰色預(yù)測和bp神經(jīng)網(wǎng)絡(luò)組合模型，在“小樣本、貧信息”的情況下，得到的預(yù)測結(jié)果與實(shí)際監(jiān)測值吻合度較高．利用該預(yù)測模型可對一些在開挖過程中監(jiān)測天數(shù)相對較少的深基坑工程進(jìn)行可靠而準(zhǔn)確的預(yù)測．

礦井瓦斯涌出量預(yù)測一直是煤礦生產(chǎn)過程中倍受關(guān)注的問題。它受眾多因素的影響,而各因素之間的非線性關(guān)系錯(cuò)綜復(fù)雜。近年來,許多的學(xué)者利用人工神經(jīng)網(wǎng)絡(luò)對非線性的對象建模預(yù)測,但是存在收斂速度慢,易陷入局部極小等缺點(diǎn)。本文將灰色理論引入小波神經(jīng)網(wǎng)絡(luò)模型中,其中灰色模型利用累加生成的新數(shù)據(jù)建模,突出趨勢項(xiàng)影響,小波神經(jīng)網(wǎng)絡(luò)通過灰色模型的預(yù)測結(jié)果進(jìn)行再預(yù)測,使得小波神經(jīng)網(wǎng)絡(luò)的非線性激勵(lì)函數(shù)更加易于逼近,減小周期和隨機(jī)成分,提高了涌出量預(yù)測精度,表明了該模型可靠性。

提出了一種基于灰色模型和神經(jīng)網(wǎng)絡(luò)組合的短期負(fù)荷預(yù)測方法。首先利用頻域分解消除負(fù)荷序列的周期性,然后利用灰色模型計(jì)算負(fù)荷序列的歷史擬合值和未來預(yù)測值,將其作為神經(jīng)網(wǎng)絡(luò)的輸入。在歷史數(shù)據(jù)中選擇一天作為基準(zhǔn)日,以該基準(zhǔn)日的量為參照,以負(fù)荷的灰色模型擬合值相對基準(zhǔn)日的變化量,以及溫度變化量為bp神經(jīng)網(wǎng)絡(luò)的輸入,實(shí)際負(fù)荷變化量為輸出,訓(xùn)練神經(jīng)網(wǎng)絡(luò)并預(yù)測待預(yù)測日負(fù)荷的變化量,加上基準(zhǔn)日負(fù)荷后得到預(yù)測負(fù)荷。該方法綜合了灰色模型方法和神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點(diǎn),仿真結(jié)果驗(yàn)證了方法的有效性。

針對電力日最高負(fù)荷受多種因素影響,變化趨勢復(fù)雜,難以通過建立準(zhǔn)確的數(shù)學(xué)模型進(jìn)行預(yù)測的問題,提出灰色動(dòng)態(tài)模型對電力日最高負(fù)荷進(jìn)行預(yù)測,在此基礎(chǔ)上構(gòu)造了灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型。該模型避免了變權(quán)組合預(yù)測模型的主觀與繁瑣,能有效地將灰色預(yù)測弱化數(shù)據(jù)序列波動(dòng)性的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性適應(yīng)能力相融合。算例結(jié)果表明該方法的可行性和有效性,預(yù)測精度也得到了改善。

為降低船舶交通流量的預(yù)測誤差,提高預(yù)測精度,在分析傳統(tǒng)的灰色模型和反向傳播(backpropagation,bp)神經(jīng)網(wǎng)絡(luò)模型優(yōu)缺點(diǎn)的基礎(chǔ)上,構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測船舶交通流量.以實(shí)際測量值作為初始數(shù)據(jù)構(gòu)建不同的灰色模型,各種灰色模型的預(yù)測值作為神經(jīng)網(wǎng)絡(luò)的輸入值,得到最佳預(yù)測模型.實(shí)例分析表明:灰色神經(jīng)網(wǎng)絡(luò)模型可提高預(yù)測精度,預(yù)測結(jié)果比較理想,優(yōu)于單一預(yù)測模型;該模型具有所需初始數(shù)據(jù)少和非線性擬合能力強(qiáng)的特點(diǎn),用于船舶交通流量預(yù)測是可行和有效的.

采用灰色預(yù)測模型分析了農(nóng)村客運(yùn)需求的主要影響因素,利用這些因素建立灰色預(yù)測模型,對我國農(nóng)村客運(yùn)需求進(jìn)行了短期預(yù)測,為我國公路客運(yùn)的發(fā)展規(guī)劃提供參考。

灰色系統(tǒng)是部分信息已知、部分信息未知的系統(tǒng)。灰色系統(tǒng)把一般系統(tǒng)理論、信息控制的觀點(diǎn)和方法延伸到社會(huì)、經(jīng)濟(jì)等廣義系統(tǒng)，灰色系統(tǒng)理論能更準(zhǔn)確地描述社會(huì)經(jīng)濟(jì)系統(tǒng)的狀態(tài)和行為。研究基于灰色系統(tǒng)理論的灰色預(yù)測模型，對社會(huì)經(jīng)濟(jì)系統(tǒng)預(yù)測具有重要的意義。由于用電負(fù)荷增長情況受經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)機(jī)構(gòu)、氣候、居民收入水平等諸多因素的影響，其中有一些因素是確定的；而另外一些因素是不確定的，故可以把它看作一個(gè)灰色系統(tǒng)。

水資源利用評(píng)價(jià)與趨勢預(yù)測是當(dāng)前水資源研究的熱點(diǎn)問題.運(yùn)用生態(tài)足跡方法計(jì)算了廣西1997~2014年的水資源生態(tài)足跡、水資源生態(tài)承載力和水資源生態(tài)盈余,在此基礎(chǔ)上,采用灰色神經(jīng)網(wǎng)絡(luò)模型進(jìn)行動(dòng)態(tài)模擬并預(yù)測其2015~2019年的發(fā)展趨勢.結(jié)果表明:①1997~2014年,廣西人均水資源生態(tài)足跡和水資源生態(tài)承載力總體均呈下降態(tài)勢,但前者的降幅明顯小于后者;歷年水資源均表現(xiàn)為生態(tài)盈余但總體呈下降走勢,表明該地區(qū)水資源利用處于可持續(xù)狀態(tài)但面臨逐漸轉(zhuǎn)向不可持續(xù)的威脅.②2015~2019年的人均水資源生態(tài)足跡將維持在0.9~1.1hm2左右,其走向是先升后降;人均水資源生態(tài)承載力將保持在1.8~2.3hm2左右,波動(dòng)明顯;人均水資源生態(tài)盈余介于0.7~1.3hm2之間,水資源利用仍將處于可持續(xù)狀態(tài),但可持續(xù)開發(fā)利用空間相較之前明顯縮小.③與常用的灰色模型相比,灰色神經(jīng)網(wǎng)絡(luò)模型模擬精度具備明顯優(yōu)勢并具有很強(qiáng)的內(nèi)插擬合能力和較好的外推預(yù)測能力,可應(yīng)用于同類問題的預(yù)測分析.

方法的選擇對電力負(fù)荷預(yù)測結(jié)果至關(guān)重要,本文通過對x(1)(1)增加干擾因素β,實(shí)現(xiàn)對初始值的優(yōu)化,較已有研究文獻(xiàn)使用x(1)(n)+β方法更加便于理解,保持運(yùn)算前后一致,同時(shí),改進(jìn)背景值的設(shè)置。通過實(shí)例驗(yàn)證,此方法可以在負(fù)荷預(yù)測上得到很好的應(yīng)用,提高預(yù)測精度。