共查询到20条相似文献，搜索用时 93 毫秒
1.
微博热点话题预测是一类小样本、不确定性的复杂预测问题,传统线性方法不能刻画微博热点话题的变化规律,神经网络存在过拟合、泛化能力不强等缺陷.为了提高微博热点话题的预测精度,提出了一种改进量子粒子群(QPSO)算法优化LSSVM的微博热点话题预测模型(MQPSO-LSSVM).首先采用MQPSO算法优化LSSVM的参数,然后将优化后的LSSVM对微博热点话题变化趋势进行建模,最后选取具体微博热点话题数据进行仿真实验.实验结果表明,MQPSO-LSSVM提高了微博热点话题的预测精度,预测结果具有一定实用价值. 相似文献
2.
《实验室研究与探索》2019,(11)
提出一种基于数据降维和特征分析的GOA-LSSVM负荷预测方法。运用主成分分析对负荷的影响因素进行数据降维和特征表示,确定影响负荷的主要影响因素;针对LSSVM预测结果易受参数组合C和g影响,运用蝗虫优化算法对LSSVM模型参数进行自适应选择。研究结果表明,与GOA-LSSVM和LSSVM相比,本文算法可以有效提高负荷预测精度,通过数据降维和特征表示可以消除数据冗余和影响因素之间的相关性,不但简化了负荷预测模型的复杂程度,而且提高了预测模型的速度。 相似文献
3.
利用主成分分析(PCA)对影响因子进行筛选后,再利用LSSVM进行建模和预测,由此得到了一种新的时间序列预测模型(PCA-LSSVM)。以甘肃省天水市的胆囊炎发病率为例,应用PCA-LSSVM预测模型进行实证分析,结果表明,此模型的预测精度优于PCA-MLR,ARIMA,LSSVM等参比模型。 相似文献
4.
火灾的发生具有不确定性,传统线性模型难对该类典型非线性预测问题进行准确预测.为了提高火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,ACO对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:ACO-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,准确地刻画了火灾的复杂性、非线性变化的特点. 相似文献
5.
6.
为了提高光伏发电功率的预测精度,提出一种结合变分模态分解、多策略改进的鲸鱼优化算法和极限学习机的光伏日前预测方法。利用变分模态分解影响光伏功率的关键气象因素,获得不同特征规律的本征模态分量,降解了数据的随机波动性,减少了噪声的影响。引入鲸鱼优化算法,利用多策略改进的鲸鱼优化算法(MWOA)对ELM模型的权重和偏置系数进行优化,获得最终的光伏功率预测结果。仿真结果验证了所提方法的有效性与优越性。 相似文献
7.
针对电力负荷序列不稳定性、随机性等特点引起的电力负荷预测精度下降等问题,提出MEEMD加窗改进方法和GRNN组合的短期电力负荷预测模型。利用GRNN神经网络延拓方法对原始信号两端数据进行延拓,用余弦窗函数对延拓数据加窗处理后再进行MEEMD分解,用神经网络对各分量趋势进行预测,叠加各分量的预测结果得到负荷序列的最终预测结果。实验结果表明,MEEMD加窗改进分解预测的平均绝对误差、平均绝对值百分比误差和均方根误差分别为73.926 8、0.818 0%和82.930 1。基于MEEMD加窗改进方法和GRNN组合的电力负荷预测不仅能抑制端点效应,而且能解决模态混叠和伪分解问题,提高了短期电力负荷的预测精度。 相似文献
8.
准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对LSTM的超参数及网络拓扑结构进行优化,建立QPSO-LSTM短期风电负荷预测模型。仿真结果表明,QPSO-LSTM模型较传统的LSTM模型预测精度更高,且具有更快的收敛速度。 相似文献
9.
建筑业安全事故方面的数据具有波动性大,规律性弱,公开的数据少等特点。国家住建部发布2010—2019年的建筑业安全事故死亡人数,通过运用单纯的灰色GM(1,1)模型和马尔可夫优化下的灰色GM(1,1)模型分别预测出来的结果对比,基于马尔可夫优化下的灰色GM(1,1)模型克服了传统预测模型仅适用于短期预测的缺点,且提高了预测的精度。同时,用该模型对我国2020—2021年建筑业安全事故死亡人数进行预测,并提出合理化的管理建议,推动我国建筑业的平稳健康发展。 相似文献
10.
使用机器人进行焊接作业是提升工业生产效率的重要手段，合理的工艺参数是保障机器人焊接质量的关键。针对现有焊接工艺参数优化方法易陷入局部最小、训练时间长、拟合精度不高的问题，提出了一种混沌麻雀搜索算法优化双权值神经网络的新算法。该方法利用混沌麻雀搜索算法的全局搜索能力为双权值神经网络的方向权值、核心权值、幅值选取最优参数。提出了基于新算法的焊接工艺参数优化方法，建立焊接工艺参数与焊接质量之间的映射模型，获取最优焊接参数。分别采用模拟数据与实测激光焊接实验数据对所提方法进行测试，结果表明，混沌麻雀搜索算法优化的双权值神经网络迭代速度快、拟合精度高，较传统的双权值神经网络和径向基神经网络性能更优，适用于工业生产中焊接机器人工艺参数的高效设定。 相似文献
11.
针对车载电池SOC难以精确预测的问题,提出以CPSO算法优化LSSVM模型参数,避免了参数选择的盲目性,提高了测量精度及泛化能力。利用ADVISOR软件采集车载电池各项性能参数,其中,电流、电压及温度数据作为CPSO-LSSVM预测模型的输入,SOC作为预测模型的输出。验证结果表明:CPSOLSSVM相比PSO-LSSVM预测模型预测最大绝对误差降低了3.06%,平均相关误差降低了0.35%,为车载电池SOC的预测提供一新方法。 相似文献
12.
13.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献
14.
15.
16.
修正GM（1，1）模型在销售量预测中的应用 总被引：9，自引：0，他引：9
王丰效 《渭南师范学院学报》2003,18(5):10-11,58
基于GM(1，1)预测模型的模型误差的三种情形，给出了修正方法，建立了一种改进的GM(1，1)预测模型．讨论了改进GM(1，1)预测模型在销售量预测中的实际应用，结果表明改进模型具有较好的预测精度。 相似文献
17.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
18.
为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。 相似文献
19.
改进的灰色GM(1,N)模型在经济中的预测与应用 总被引：1，自引：0，他引：1
论文就修正GM(1,N)预测模型的误差,提出了新方法.使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响.实践表明这些改进模型可以有效地提高GM(1,N)模型的预测精度. 相似文献
20.
随着云计算的快速发展,大量应用开始向云上迁移,云平台资源分配受到关注。云服务负载是动态变化的,为保证服务质量不受负载量变化影响,最大化利用云资源,如何动态扩充、缩紧资源成为需要考虑的重要问题。设计并实现了一个Docker Swarm弹性云动态伸缩模块,通过增加和减少云服务副本数量改变服务资源的分配。弹性云的动态伸缩模块使用了响应式伸缩模型与预测式伸缩模型,其中预测式伸缩模型基于灰色预测模型。实验证明基于灰色预测的预测式伸缩模型具有较高的预测准确率。 相似文献