检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于分位数回归神经网络的分层电力负荷预测

基于分位数回归神经网络的分层电力负荷预测

作者：冷婷湖南师范大学

学位级别：硕士

一直以来,电力系统的负荷预测是十分重要的电网调控和规划的依据,学者们对其的研究也从未停止。本文所展开的研究是对不同地区的电力负荷需求进行分层预测,这项研究与我们的智能电网调控,电力资源分配等密切相关,精准的预测结果能为我... 详细信息

一直以来,电力系统的负荷预测是十分重要的电网调控和规划的依据,学者们对其的研究也从未停止。本文所展开的研究是对不同地区的电力负荷需求进行分层预测,这项研究与我们的智能电网调控,电力资源分配等密切相关,精准的预测结果能为我们提供更好的电网服务,还能节省资源和合理配置资源。本文主要追求模型的精准与综合性能,不仅限于对于电力负荷的点预测,还将模型与分位数结合,进行区间预测和概率密度预测,获得更多更完整的预测信息,同时,考虑地域的层次结构关系,提出了更实用更有效地分层预测模型。本文研究基于2017年全球能源学术竞赛初赛的数据集,包括10个区域的小时电力负荷需求。首先通过对数据集进行预处理,利用特征重要性选择方法XGBoost（极端梯度提升算法）对影响电力负荷需求的影响因素变量筛选,最后保存了8个变量作为后续建模的解释变量。本文选用QRNN（分位数回归神经网络模型）对于2017全球能源竞赛初赛数据集建模并进行电力负荷需求的预测,从点预测到区间预测,最后到概率密度预测,QRNN模型的预测效果均表现较好。在点预测时,对于不同的地区,MAPE指标平均值1.02%,预测效果均稳定在较高水平,而在区间预测中,本文提出了评价区间预测效果的新的综合性指标CPIA（修正预测区间精度）,能更好的对区间预测给出整体评价,QRNN模型同样在不同地区表现良好,最后在概率密度预测过程中,我们利用QRNN模型结果,作出了代表性地区的概率密度预测图,显示QRNN模型在不同时间点均呈现出较好的预测效果,并计算了在不同地区的APL指标值,整体预测效果较好。因此,QRNN模型是十分稳健的神经网络模型,能够较好的处理复杂的非线性关系的数据,并且能进行区间预测和概率密度预测,生成更完整更有效的预测结果。然后本文将QRNN模型与其他的神经网络模型ANN（人工神经网络模型）和RBF（径向基函数神经网络模型）,以及简单的QR（分位数回归模型）对案例数据建模,对比发现QRNN模型在不同地区的预测效果均优于其他模型,而考虑到带有分位数的模型可以进一步做区间和概率密度预测,因此本文提出了两类分别基于QRNN和QR的分层时间序列预测模型QRNN-hts和QR-hts。这两类模型是以独立的基准预测模型QRNN和QR模型分别与7种分层预测法结合而成,最后得到的模型不仅优于传统的ARIMA-hts（自回归移动平均分层时间序列预测模型）和ETS-hts（指数平滑分层时间序列预测模型）,同时新模型也优于其基准预测模型,新模型的最优分层预测方法也主要体现在组合调节法。此外,传统的分层时间序列预测模型仅能考虑目标预测变量本身的时间序列数据,而不能考虑带有复杂影响因素的变量,无法将其它影响因素变量的时间序列数据也放入模型,提升模型的准确度,本文所提出的QRNN-hts模型正好解决了这一难题,并且获得了比独立模型QRNN更好的预测结果。最后本文采用QRNN-hts模型进一步进行了电力负荷需求的概率密度预测,并获得了较好的预测效果。

关键词：电力负荷分位数回归神经网络分层预测 QRNN-hts模型

基于支持向量分位数回归神经网络的区域短期风速预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

应用数学进展 2021年第10期10卷 3325-3336页

作者：生菡秦喜文长春工业大学吉林长春

由于风速的间歇性导致了风电系统输出的波动性,可靠的风速预测可以有效提高风电装置的稳定性。在分位数回归的框架下,提出了支持向量–分位数回归神经网络(SV-QRNN)模型。首先,采用粒子群优化算法对支持向量机参数进行优化,得到支持向... 详细信息

由于风速的间歇性导致了风电系统输出的波动性,可靠的风速预测可以有效提高风电装置的稳定性。在分位数回归的框架下,提出了支持向量–分位数回归神经网络(SV-QRNN)模型。首先,采用粒子群优化算法对支持向量机参数进行优化,得到支持向量。然后采用分位数回归神经网络算法推导出风速的条件分位数,以及不同置信度下的预测区间。实验结果表明,SV-QRNN模型能够较好地平衡预测性能和时间效率。同时还可以补贴发电调度决策,并允许电力市场充分发挥作用。

关键词：分位数回归神经网络支持向量风速粒子群优化算法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

机场交通需求概率密度预测方法研究

计算机仿真 2022年第1期39卷 56-59页

作者：田文杨帆郭怡杏宋津津南京航空航天大学民航学院江苏南京211106

针对基于进离场航空器统计数量的传统预测方法较难体现不确定性因素对机场交通需求预测结果影响的问题,采用核密度估计与神经网络分位数回归相结合的方法,构建了机场交通需求概率密度预测模型和方法,并基于广州白云机场运行数据得到机... 详细信息

针对基于进离场航空器统计数量的传统预测方法较难体现不确定性因素对机场交通需求预测结果影响的问题,采用核密度估计与神经网络分位数回归相结合的方法,构建了机场交通需求概率密度预测模型和方法,并基于广州白云机场运行数据得到机场交通需求在未来一定时间内的概率密度分布。预测结果相较传统BP神经网络预测,所得结果波动范围更小,误差更小。

关键词：分位数回归神经网络核密度估计概率密度预测机场交通需求

中国制造业上市公司财务风险预警分析——基于面板半参数分位数回归模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

中国制造业上市公司财务风险预警分析——基于面板半参数分位数回...

作者：王悦莹东北财经大学

学位级别：硕士

制造业是一个国家的立国之本、强国之基,是推动我国经济发展的重要产业。近年来,我国的制造业上市公司数量不断上升,营业收入和净利润也在不断增加,我国制造业规模已经连续13年居世界首位。然而,由于国内外经济形势的变化以及激烈的竞... 详细信息

制造业是一个国家的立国之本、强国之基,是推动我国经济发展的重要产业。近年来,我国的制造业上市公司数量不断上升,营业收入和净利润也在不断增加,我国制造业规模已经连续13年居世界首位。然而,由于国内外经济形势的变化以及激烈的竞争环境,我国制造业也面临着诸多问题,如创新能力不足、低端产能过剩、先进制造业自主可控力不强等。我国制造业上市公司数量占比大、产业覆盖率高,一旦发生财务危机不但会影响社会经济稳定,而且会对大量员工的就业产生极大的冲击,还会给投资者和贷款银行带来负担。因此,对制造业上市公司建立合理的财务风险预警模型至关重要。本文以制造业上市公司为研究对象,旨在用面板半参数分位数回归神经网络模型研究制造业上市公司财务风险预警问题。首先,总结了常用的财务风险预警模型,介绍了财务风险的定义及成因,并对我国制造业上市公司的发展现状和风险状况进行分析。其次,根据可获得性原则和全面性原则选择了 35个指标建立初始财务风险预警指标体系。再次,选取2016-2021年的160家制造业上市公司作为研究样本,对样本公司的指标数据进行缺失值处理和标准化处理,并对处理后的指标做K-W检验,最终保留29个财务风险预警指标。运用主成分分析法和K均值聚类将全部样本划分为4种不同的风险状态:安全、基本安全、风险、重大风险,分别用A,B,C,D来表示。基于面板半参数分位数回归神经网络模型,用2018-2020年的公共因子值对2019-2021年的Ft值进行预测。将预测的各个样本公司的Ft值与预警模式编码做对应,确定样本公司的风险等级。然后进行模型的评价,计算评价指标MAPE与RRMSE的值和模型的预警准确度,2019-2021年模型的预警准确度均达到80%以上。与面板分位数回归模型做对比分析,证明面板半参数分位数回归神经网络模型很好地提高了预警的准确性。最后,根据本文的结论给出相应的建议和展望。本次研究的主要结论有:(1)运用面板半参数分位数回归神经网络模型对制造业上市公司进行风险预警准确率较高,2019年、2020年和2021年的预警准确率分别达到了 82.80%、80.25%和89.80%。运用该预警模型可以很好地识别公司风险,便于管理者及时调整经营策略,也可以给投资者提供参考。(2)预警的准确度与公司的风险状况有关,该模型对于财务风险较高的样本公司更敏感,并且预测结果更偏向于把样本公司划分为更具风险的类别。(3)聚类分析可以很好地划分上市公司风险等级。本文运用K均值聚类划分上市公司的财务风险等级,把全部的制造业上市公司划分为四大类:安全,基本安全,风险,重大风险,能够更加全面地刻画上市公司的风险情况。本次研究的主要创新点有:(1)首次将面板半参数分位数回归神经网络模型应用于我国制造业上市公司财务风险预警当中,得到了较高的预警准确度,证明了该模型的实用性。(2)以往的文献大多根据是否被特殊处理判断公司是否具有财务风险,本文运用K均值聚类的方法,将公司的风险状况划分为四个不同的等级,能够更细致地描述上市公司的风险状态。

关键词：财务风险预警分位数回归神经网络聚类分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的船舶智能航速优化

基于数据驱动的船舶智能航速优化

作者：戴思达华中科技大学

学位级别：硕士

远洋航运具有运输成本低、污染轻的特点。开发船舶节能技术,可以促进远洋航运发展。航速优化是船舶节能技术的一项重要课题。本文提出了一种基于数据驱动的船舶智能航速优化模型,包含了离线航速优化模型和在线航速动态优化模型。在线航... 详细信息

远洋航运具有运输成本低、污染轻的特点。开发船舶节能技术,可以促进远洋航运发展。航速优化是船舶节能技术的一项重要课题。本文提出了一种基于数据驱动的船舶智能航速优化模型,包含了离线航速优化模型和在线航速动态优化模型。在线航速动态优化模型在离线航速优化模型的基础上开发了油耗率预测模型、风速概率预测模型和航速随机规划模型,能够实时地预测油耗率和风速,并根据预测到的天气和海况变化在线调整剩余航程的最优航速。本文以长航洋山为研究对象,对船舶智能航速优化进行了深入探讨。首先针对离线航速优化问题,在船舶离港前,根据船舶航运公司对航线和时间的具体要求构建了船舶离线航速优化模型。为构建离线航速优化模型的目标函数,提出了油耗率回归模型,用于计算船舶在某一航速航行时对应的燃油消耗率。由于离线航速优化模型具有最优子结构的特点,采用动态规划的思想求解模型。通过离散化船舶到达各个航路点的时间,采用最短路径算法计算船舶最优航速。将优化前和优化后的航程总油耗进行对比,实验结果证明了采用离线航速优化模型可以有效地降低航程总油耗。其次针对船舶航行过程中的在线航速动态优化问题,构建了基于双向长短期记忆的编码器解码器结构和时序注意力机制的船舶油耗率预测模型,实时监测油耗变化。当实际油耗与预期油耗偏差大于阈值时,重新计算剩余航程的最优航速。采用分位数回归神经网络和核密度估计进行短期风速概率密度预测,将随机变量风速输入到航速随机规划模型中,进行船舶在线航速动态优化。

关键词：航速优化动态规划基于双向长短期记忆的编码器解码器分位数回归神经网络核密度估计

基于负荷不确定性量化分析空调冷源系统节能优化研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于负荷不确定性量化分析空调冷源系统节能优化研究

作者：王红梅西安建筑科技大学

学位级别：硕士

随着我国“双碳”目标的提出,人们对公共建筑的节能减排越来越重视,空调冷源系统作为公共建筑室内环境调节的重要系统,占据大部分建筑能耗。目前,对空调负荷不确定性并没有完全量化,冷源系统参数优化的不精准。因此进行基于负荷不确定... 详细信息

随着我国“双碳”目标的提出,人们对公共建筑的节能减排越来越重视,空调冷源系统作为公共建筑室内环境调节的重要系统,占据大部分建筑能耗。目前,对空调负荷不确定性并没有完全量化,冷源系统参数优化的不精准。因此进行基于负荷不确定性量化分析的冷源系统参数优化具有重要的理论意义。以陕西省西安市某高层综合办公楼的空调冷源系统为研究对象,针对空调冷源系统中存在室外环境和室内人员数目等多种不确定性因素导致系统预测负荷困难问题,建立基于TRNSYS空调冷源仿真系统,构建空调冷源系统低能耗模型。引入云模型,采用分位数回归神经网络构建空调负荷预测模型。空调冷源系统内部参数控制不精准,导致系统部分热量转换为无用能耗,致使能耗增加的问题,提出一种基于改进萤火虫算法优化冷源系统参数的节能优化方法。为保证提出的冷源系统低能耗模型调试策略的鲁棒性,提出改进熵权-TOPSIS(优劣解距离法)对空调冷源系统调试策略鲁棒性分析的方法。针对不确定性对负荷的影响程度采用相关系数法分析,选择相关系数大于0.9的不确定性变量作为负荷预测模型的输入量。建立的负荷预测模型,预测平均绝对百分比误差MAPE为0.7833,相关拟合系数R为0.913,证明预测模型的有效性。改进算法优化的参数与无优化参数、粒子群、萤火虫算法优化对比,所提出改进方法使系统总能耗分别降低了5.65%、3.63%、2.72%。通过三种典型日和一周运行的效果验证分析模拟所提出的策略鲁棒性。结果表明,与无优化参数、粒子群、萤火虫算法优化参数后能耗对比,每天分别节能11.75%、4.8%、3.19%,证明提出的该方法节能优势明显。

关键词：不确定性分位数回归神经网络改进萤火虫算法低能耗

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于QRNN模型的碳价预测

基于QRNN模型的碳价预测

作者：陈司焕暨南大学

学位级别：硕士

十九大报告把“坚持人与自然和谐共生”作为新时代坚持和发展中国特色社会主义基本方略的重要组成部分,建设“美丽中国”对于中国未来的经济增长模式产生深远影响。然而全球气候日益变暖,温室气体排放日益累计,控制好温室气体的排放迫... 详细信息

十九大报告把“坚持人与自然和谐共生”作为新时代坚持和发展中国特色社会主义基本方略的重要组成部分,建设“美丽中国”对于中国未来的经济增长模式产生深远影响。然而全球气候日益变暖,温室气体排放日益累计,控制好温室气体的排放迫在眉睫。因此,碳市场的研究具有长远的价值和重要的意义,能让碳市场的参与者们更好地做好风险管理,给予投资者科学的决策工具,推动碳市场更加平稳地发展。由于碳市场价格呈现出非平稳、非线性、多频率等不规律的特征,传统模型难以全以刻画出碳价的波动情况,全面把握碳价的波动规律,分位数回归能够测算出不同分位数条件下碳价格的预测值,从而能让投资者更好地进行风险管理。因而碳价预测采用了分位数回归和神经网络的混合模型,既能适应非线性的序列分析,又能全面预测不同分位数条件下的碳价波动。研究结果表明:(1)国内碳市场还未成熟,存在成交量,成交额不例不协调等问题;(2)国内碳价易受到国内国际宏观经济因素、能源价格、气候、汇率等多重因素影响;(3)分位数回归神经网络模型在本研究中预测效果优于其他单模型,预测精度更高。研究贡献在于拓展了国内碳价格预测方法的理论研究,能为投资者及机构做出科学决策,更好地应对碳市场变化提供一定的借鉴。

关键词：碳市场分位数回归神经网络碳价

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据驱动的船用液压泵故障智能诊断技术研究

数据驱动的船用液压泵故障智能诊断技术研究

作者：王吉华中科技大学

学位级别：硕士

随着船舶自动化程度的不断提高,各种机械的运转速度与功率不断地增大,液压系统被广泛地应用到甲板机械、船舶机舱等船用装备上。作为船舶液压系统的重要动力部件,液压泵对于保障船舶液压系统的正常运行至关重要。然而,由于液压泵长时间... 详细信息

随着船舶自动化程度的不断提高,各种机械的运转速度与功率不断地增大,液压系统被广泛地应用到甲板机械、船舶机舱等船用装备上。作为船舶液压系统的重要动力部件,液压泵对于保障船舶液压系统的正常运行至关重要。然而,由于液压泵长时间在较为恶劣和复杂的环境下工作,液压泵可能会受到各种各样的损害从而产生一些故障;若液压泵出现故障而没有得到及时诊断与维护,严重可能会导致整个液压系统的发生瘫痪,从而会影响到整个船舶的正常航行。随着大数据与人工智能技术的飞速发展及在各行各业的广泛应用,运用大数据与人工智能技术对船用液压泵进行故障诊断具有十分重要的工程应用价值。本文以液压泵为研究对象,通过分析液压泵的组成结构与特点,明确液压泵工作参数,研究液压泵的工作机理及其典型故障模式(如形变、磨损、腐蚀和疲劳),开展液压泵故障模拟试验设计。接着,阐述数据驱动的液压泵故障诊断原理,对试验平台的液压泵监测数据进行异常值剔除、EEMD降噪及平滑等预处理。对经预处理后的监测数据分别进行基于统计分析的时域特征提取、基于功率谱的频域特征提取、以及基于CEEMDAN的时频域特征提取和基于AR模型的时序特征提取,得到能够大量能表现液压泵故障特点的特征集;在此基础上,通过基于斯皮尔曼系数的特征选择与基于主成分分析的特征融合技术得到能够表示液压泵故障状态的综合故障特征。最后,建立基于分位数回归神经网络的故障诊断模型,通过概率的高低来预测样本的故障类型,并且结合粒子群优化算法对模型参数进行寻优,提高故障诊断准确率。研究结果表明:本文提出的方法能够准确地识别船用液压泵故障类型,对不同的液压泵故障类型具有很好的识别效果。这对于实现船用液压泵的在线监测与故障诊断及维护有着重大的应用价值。

关键词：液压泵数据处理分位数回归神经网络粒子群优化算法故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于一体化实时信息平台的风电功率预测系统

电网与清洁能源 2014年第4期30卷 81-86页

作者：詹庆才聂晓波张道农赵禹郑继涛北京四方继保自动化股份有限公司北京100085 北京交通大学电气工程学院北京100044 华北电力设计院工程有限公司北京100120 北京市供用电建设承发包公司北京100062

风具有易变性、随机性等特点,风电并网之后,可能引起运行和可靠性的问题。如果能够提前对风电功率进行准确的预测,则有利于及时调整计划,保证电能质量,减少系统备地容量,获得更多的经济效益和社会效益。介绍了一种基实时信息平台的风电... 详细信息

风具有易变性、随机性等特点,风电并网之后,可能引起运行和可靠性的问题。如果能够提前对风电功率进行准确的预测,则有利于及时调整计划,保证电能质量,减少系统备地容量,获得更多的经济效益和社会效益。介绍了一种基实时信息平台的风电功率预测系统的研究与设计思路,该系统为了能适应于复杂地形的风电场,结合WRF中尺度数值预报信息,采用了分位数回归神经网络预测方法,进一步提高了风电功率的预测精度。

关键词：风电场风电功率功率预测 WRF中尺度模型复杂地形分位数回归神经网络