共查询到20条相似文献,搜索用时 437 毫秒
1.
2.
探索构建对汇率进行直接预测的高精度组合预测算法.采用NARX神经网络作为基础模型,并结合经验模态分解模型进行混合预测,提高模型精度.为研究不同时间间隔对预测结果的影响,采用美元兑日元汇率的时间间隔为5分钟与1天的数据进行预测.实验结果显示,时间间隔较短时,模型的预测精度更高.此外,通过对汇率改革前后的人民币汇率的预测发现,汇率改革对EMD-NARX模型的预测结果影响不大,说明模型稳定性较高. 相似文献
3.
《实验室研究与探索》2019,(10):36-39
针对风电场输出功率表征的周期性及随机、间隙、非平稳特性,提出一种小波变换(Wavelet Transform,WT)和径向基神经网络(RBFNN)相结合的风功率预测方法,并引入平均温度、相对湿度及降雨量等气象因素预测未来一段时间的风电功率输出。小波分解能有效地表征风电场输出功率时间序列的局部特征;人工智能方法可以捕捉到风力发电中的非线性特性。引入气象因素的WT和RBF神经网络预测方法能有效地提高预测准确度。以平均绝对误差和均方根误差为预测评价指标,与RBF神经网络方法相比,提出的小波变换和RBF神经网络预测方法具有更好的预测效果,从而可减少风电波动性对电网的影响,提高电网的安全性和可靠性。 相似文献
4.
应用偏最小二乘法,研究了在微弱荧光信号情况下不同的预处理方式和不同建模光谱区间对色氨酸和酪氨酸溶液浓度定量分析结果的影响,发现预处理方式采用平滑、减黑暗响应和减直线操作,然后建模光谱区间采用300-500nm范围内取极值点并对300-400nm进行间隔10nm取值时得到最佳的建模效果.实验最终取得了良好的预测效果:酪氨酸浓度的平均预测误差为5.9%,色氨酸浓度的平均误差为8.1%. 相似文献
5.
6.
7.
《浙江大学学报(A卷英文版)》2020,(6)
目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。 相似文献
8.
为通过社会用电量分析来反应经济状况,文章采用BP神经网络算法,首先对芜湖市近几年的社会用电量进行分析,再通过Matlab神经网络工具箱构建预测—时间序列模型,最后根据需求获得相应的预测数据。仿真试验表明,该模型找到一条函数曲线很好地拟合已知数据,同时顺利地预测未知数据,所提算法达到预期的效果。 相似文献
9.
10.
本文首先分析了金融时间序列中常用的随机波动率模型结构,介绍了马尔可夫链蒙特卡洛MCMC方法并采用基于MCMC模拟的贝叶斯分析对随机波动率模型的参数进行估计了,其次应用该模型对世界黄金价格指数时间序列的走势与波动进行分析,实证结果表明SV模型能较好的拟合金价走势并作出预测。 相似文献
11.
港湾式公交停靠站通行能力计算方法(英文) 总被引:1,自引:0,他引:1
针对目前城市的公交运行现状,使用时空分布图分析了港湾式公交停靠站的车辆运行特性,并在此基础上建立了公交停靠站通行能力计算模型,该模型综合考虑了站点排队概率、停靠时间分布和汇入间隙的等待时间.利用杭州市的调查数据对公交车辆的站点停靠时间进行了分布拟合,结果表明对数正态分布的拟合效果最优.使用Matlab编程求出了不同停靠时间分布参数和外侧车道流量下的站点通行能力,结果显示随着分布参数和外侧车道流量的变化,站点通行能力的变化范围较大.最后,使用实测和仿真方法对模型进行了验证,模型计算值与实测数据、仿真数据的平均相对误差分别为8.78%和5.28%. 相似文献
12.
随着现代医院信息化发展,门诊量预测显得更加重要,门诊预测不仅是对医院堆积数据潜在信息的深入挖掘,而且可为医院管理者的医疗资源配置提供建议。针对波动和噪音较大的门诊量时间序列预测问题,使用经验模态分解(EMD)对原始数据进行平稳处理,在此基础上建立长短期记忆(LSTM)神经网络模型,并选取单一的LSTM神经网络以及支持向量回归模型进行比较验证。实验结果表明,该组合模型有较好的预测精度,能为医院管理者提供决策支持。 相似文献
13.
14.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
15.
因非线性时变控制系统造成的滞后,压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合,对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块,调用SG水位PID控制运行数据作为非线性预测模块的训练样本;提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据,多重优化BP神经网络的权值及阈值,缩小修正差值逼近系统整定值;构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系,修正带有预测判断方向的阈值,实现在线动态调整输出PID各参数的最优值。实验结果表明,预测模块可有效缩短系统的稳定阶跃响应周期,具有较高的计算精度。 相似文献
16.
刘素凤 《黎明职业大学学报》2008,(2)
运用ARCH类计量模型和BP神经网络模型,对人民币汇率的时间序列数据建模,分析汇率的波动规律,进行有效的预测。认为自2005年汇改以来,人民币汇率呈现出波动频繁、弹性加大、升值趋势明显的势头;人民币汇率市场还是非有效的,汇率过去的价格等历史信息对未来汇率的影响没有完全体现在现有的汇率中;根据对评价预测效果的几个指标的比较分析,可以得出BP神经网络模型的预测效果明显要比EGARCH模型预测效果好的结论。 相似文献
17.
18.
《实验室研究与探索》2018,(10)
针对电力电缆故障的关键因素在于电缆分接头的温升。本文提出采用总体平均经验模态分解EEMD和改进Elman神经网络的方法对非线性电力电缆接头温度时间序列进行预测的方式达到预警电力电缆故障的目的。首先,采用光纤光栅传感器来监测电缆接头温度,得到样本序列。为避免模态混叠,采用EEMD对电力电缆接头温度序列进行预处理。预处理后的温度序列为一系列彼此独立的本征模函数分量,外加一个残余分量。为提高Elman神经网络的预测精度,在预测前利用相空间重构法对分解后的序列进行重构计算。在对重构序列数据进行归一化后利用Elman神经网络进行下一周期内的温度预测。实际预测结果表明,本文算法具有较高的拟合精度,适应性较好,可以推广应用至实际电力电缆故障的监测和预警系统。 相似文献
19.
姚雨辰 《金陵科技学院学报(社会科学版)》2008,22(1):68-71
首先依据WTO《农业协议》中的农产品口径汇总了1992—2004年期间中国农产品进口贸易额,通过离散系数的比较发现进口额波动强度大;然后采用趋势分解法对中国农产品进口额进行时间趋势拟合,实证分析结果表明,中国农产品进口急剧上升主要受需求影响。 相似文献
20.
万乐 《江西电力职业技术学院学报》2012,25(2):17-20
随着风电规模的日益扩大,风电对电力系统的影响越来越大,由风电并网引起的电力系统运行的经济性和稳定性等全局性问题越来越受到人们的关注。其中含风电场的电力系统经济调度问题日益受到重视,储能装置是解决风电并网问题的有效手段。本文不考虑储能装置的初始投资、运行维护费用等问题,从平滑风电功率波动和平滑系统功率波动(即综合考虑风电波动和负荷波动)两个角度,研究了储能装置的容量及最大充放电功率对平滑效果的影响,初步探讨了风电场中储能装置参数的确定方法。 相似文献