检索结果-南通市图书馆

基于随机森林算法的电力工程数据预测分析建模与仿真

在线全文

学校读者我要写书评

暂无评论

电子设计工程 2024年第4期32卷 103-106,111页

作者：周云浩杨宝杰刘丹李海峰杨鹏飞国网北京市电力公司电力建设工程咨询分公司北京100021

针对电力工程数据量大、种类较多且传统分析模型处理效果不佳等问题,文中构建了一种基于随机森林算法的电力工程数据预测分析模型。该模型通过采集层获取各种工程数据,并在数据分析层运用经灰狼优化算法改进的随机森林算法对各种数据进... 详细信息

针对电力工程数据量大、种类较多且传统分析模型处理效果不佳等问题,文中构建了一种基于随机森林算法的电力工程数据预测分析模型。该模型通过采集层获取各种工程数据,并在数据分析层运用经灰狼优化算法改进的随机森林算法对各种数据进行深度挖掘及学习,以获得电力工程数据的预测结果,从而满足应用层的业务需求。基于Matlab仿真平台进行数值实验论证的结果表明,所提模型的平均绝对百分比误差与均方根误差分别为4.15%、34.19万元,且均优于其他对比模型。

关键词：数据预测分析随机森林算法灰狼优化算法平均绝对百分比误差均方根误差

在线全文

学校读者我要写书评

暂无评论

混合神经网络的包壳峰值温度预测研究

哈尔滨工程大学学报 2022年第12期43卷 1728-1735页

作者：孙大彬李磊田兆斐王贺哈尔滨工程大学核安全与仿真技术重点学科实验室黑龙江哈尔滨150001

为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神... 详细信息

为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神经网络-长短期记忆网络的混合神经网络模型单次事故分析时间降低为0.55 s的同时具备很高的准确性和稳定性。峰值预测精度、序列预测精度、超限概率预测精度、平均绝对百分比误差分别达到了99.527%,91.098%,95.371%,2.522%,均方根误差为49.065。相较于传统的BP神经网络和卷积神经网络方法,卷积神经网络-长短期记忆网络的混合神经网络模型也体现出了明显的优势。

关键词：包壳峰值温度卷积神经网络长短期记忆网络混合神经网络峰值预测精度序列预测精度超限概率预测精度平均绝对百分比误差

在线全文

学校读者我要写书评

暂无评论

基于改进递归网络的智慧楼宇负荷预测方法

沈阳工业大学学报 2022年第2期44卷 121-126页

作者：肖荣洋黄雁同济大学电子与信息工程学院上海200331 国网福建省电力有限公司龙岩供电公司福建龙岩364000

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优... 详细信息

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法.

关键词：改进粒子群优化算法深度递归神经网络智慧楼宇负荷预测关联层均方根差平均绝对百分比误差预测误差

基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究

在线全文

学校读者我要写书评

暂无评论

供用电 2022年第1期39卷 88-96页

作者：谷豪李山李文帅李智敏许傲然国网河南省电力公司直流运检分公司河南郑州450000 沈阳工程学院电力学院辽宁沈阳110136

为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twi... 详细信息

为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twin support vector regression,LSTSVR)算法进行风电场风速预测。分别介绍了LSTSVR、EEMD及自适应变异粒子群算法原理。给出基于EEMD和LSTSVR的风速预测流程,以安徽女儿岭风电场测风声雷达30、70 m处风速采样数据为例,开展基于EEMD和LSTSVR的风速预测算法验证,预测结果误差分析表明:基于EEMD+LSTSVR+自适应变异粒子群算法可以实现风电场风速的高精度预测。

关键词：集成经验模态分解最小二乘双支持向量回归机自适应变异粒子群均方根误差平均绝对百分比误差风电预测

在线全文

学校读者我要写书评

暂无评论

风电场短期风速预测的MRA-SVM模型

电力系统及其自动化学报 2014年第5期26卷 44-49页

作者：杨亚兰徐耀良钟绍山谢江媛上海电力学院电力与自动化工程学院上海200090

为了提高风电场短期风速的预测精度,提出了基于多分辨率分析和支持向量机(MRA-SVM)的预测模型。模型以历史风速序列为输入对数据进行多分辨率分析,用支持向量机对分解后的单支序列分别回归预测,叠加各序列的预测结果即为最终预测值。通... 详细信息

为了提高风电场短期风速的预测精度,提出了基于多分辨率分析和支持向量机(MRA-SVM)的预测模型。模型以历史风速序列为输入对数据进行多分辨率分析,用支持向量机对分解后的单支序列分别回归预测,叠加各序列的预测结果即为最终预测值。通过对某风场10 d的实测风速进行分析,预测了未来4 h的风速。用均方根误差和平均绝对百分比误差对模型进行评价,与单一的SVM方法相比,提高了预测精度。实验证明,模型具有较强的风速预测能力,能普遍适用于风速的短期预测。

关键词：短期风速预测多分辨率分析支持向量机均方根误差平均绝对百分比误差

基于BP神经网络的城市自来水厂供水量预测研究

在线全文

学校读者我要写书评

暂无评论

灌溉排水学报 2021年第S2期40卷 35-37页

作者：杨存满鞠佳伟袁芳李晓尚兰华春清华苏州环境创新研究院中环保水务投资有限公司湘潭中环水务有限公司清华大学

【目的】针对目前城市自来水厂供水量预测与水源、气象等影响因素关联性欠佳问题,通过分析水源水的水文信息、水质参数、气象条件等与日供水量之间的相关性,建立水厂日供水量模型。【方法】基于湖南省湘潭市某自来水厂自控采集数据,采... 详细信息

【目的】针对目前城市自来水厂供水量预测与水源、气象等影响因素关联性欠佳问题,通过分析水源水的水文信息、水质参数、气象条件等与日供水量之间的相关性,建立水厂日供水量模型。【方法】基于湖南省湘潭市某自来水厂自控采集数据,采用BP神经网络模型对该水厂日供水量进行了预测。【结果】预测结果与实际情况具有很好的一致性,预测误差小,基本满足平均绝对百分比误差(MEAP)<5%的情况,能满足供水系统调度的实际需要。【结论】本预测神经网络模型是合理的,为城市自来水厂日供水量预测提供了一种简单可行的思路和方法。

关键词：自来水厂日供水量 BP神经网络预测平均绝对百分比误差

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于修正因子的雾天可变限速控制交通流模型

科学技术与工程 2020年第10期20卷 4016-4021页

作者：孙长乐高宏岩山东科技大学电气与自动化工程学院青岛266590

分析雾天可变限速控制作用下高速公路的特性,提出基于雾天修正因子的在线自调整可变限速交通流模型。雾天修正因子通过Takagi-Sugeno(T-S)模型根据高速公路实时能见度与曲面半径在线自我调整,进而实现雾天可变限速交通流模型自我调整。... 详细信息

分析雾天可变限速控制作用下高速公路的特性,提出基于雾天修正因子的在线自调整可变限速交通流模型。雾天修正因子通过Takagi-Sugeno(T-S)模型根据高速公路实时能见度与曲面半径在线自我调整,进而实现雾天可变限速交通流模型自我调整。采用灰狼算法对交通流模型参数及T-S模型参数进行优化调整。采用速度与密度的平均绝对百分比误差对模型性能进行评价。使用VISSIM与MATLAB进行仿真研究,仿真结果表明:相比于一般可变限速交通流模型,本文提出的交通流模型在速度和密度的辨识精度方面分别提升了41.5%和10.5%,可以更加准确地反映雾天可变限速作用下高速公路的特性。

关键词：可变限速控制 Takagi-Sugeno模型灰狼优化算法平均绝对百分比误差交通流模型

在线全文

学校读者我要写书评

暂无评论

一种新的组合权重在组合预测模型中的应用

河南科技大学学报（自然科学版） 2018年第2期39卷 87-93,98页

作者：李佩彭斯俊武汉理工大学理学院湖北武汉430070

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先... 详细信息

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先,建立了差分自回归移动平均(ARIMA)模型和指数曲线回归模型;然后,用MAPE和最小二乘法确定组合模型的权系数,在此基础上将两种权系数进行组合,形成组合权重。预测结果表明:该组合权重与单一权重相比,可将组合模型的预测精度提高约0.3%。

关键词：差分自回归移动平均模型指数曲线回归平均绝对百分比误差最小二乘法权重系数组合预测

地铁进站客流量SARIMA与GA-BP神经网络组合预测模型

在线全文

学校读者我要写书评

暂无评论

铁道运输与经济 2021年第12期43卷 134-142页

作者：强添纲刘涛裴玉龙东北林业大学交通学院黑龙江哈尔滨150040

为提高地铁进站客流量预测精度,提出一种基于SARIMA模型和GA-BP神经网络的客流量组合预测模型,通过已有客流相关数据构建预测客流量的SARIMA模型和GA-BP神经网络模型作为组合模型的子模型,再利用拟合SARIMA模型的最大季节回归多项式个... 详细信息

为提高地铁进站客流量预测精度,提出一种基于SARIMA模型和GA-BP神经网络的客流量组合预测模型,通过已有客流相关数据构建预测客流量的SARIMA模型和GA-BP神经网络模型作为组合模型的子模型,再利用拟合SARIMA模型的最大季节回归多项式个数确定组合模型因变量个数,之后结合季节周期和子模型的预测值确定组合模型的因变量,并基于子模型预测值的平均绝对百分比误差(MAPE)确定组合模型的因变量权重,最后进行实例验证。结果表明:当预测个数为5个时,组合预测模型的MAPE为3.11%,介于子模型之间但优于传统的线性组合模型;当预测个数为10个时其MAPE为5.13%,优于所有对比模型。

关键词： SARIMA模型 GA-BP神经网络组合预测模型客流量预测平均绝对百分比误差