摘要： 新冠疫情對全球航空運行都產(chǎn)生了巨大的影響,后疫情時期機場起降量預(yù)測是開展機場保障、航空公司航線恢復(fù)等工作的基礎(chǔ).首先構(gòu)建了基于多元線性回歸法和灰色GM(1,1)模型的機場起降量組合預(yù)測法,并以歷史數(shù)據(jù)分析為基礎(chǔ),構(gòu)建了后疫情時期機場起降量修正預(yù)測模型,最后以石家莊機場為例,進行了實例驗證分析,證明了方法的可靠性和實用性.

摘要： 在新型冠狀病毒肺炎疫情對航空貨運的影響下,月度航空貨運量出現(xiàn)異于歷史趨勢的極端數(shù)據(jù),而傳統(tǒng)航空貨運量預(yù)測模型有在極端數(shù)據(jù)影響下誤差較大的問題。因此,研究了適用于后疫情時代的中國航空貨運量短期預(yù)測方法。對2009-2020年中國航空貨運量月度數(shù)據(jù)進行分析,發(fā)現(xiàn)中國航空貨運量呈穩(wěn)定增長趨勢。受疫情影響出現(xiàn)短期劇烈波動,在假設(shè)疫情對航空貨運的影響逐漸減弱的前提下,選取Holt-Winters乘法模型與求和自回歸移動平均ARIMA乘積季節(jié)模型分別提取航空貨運量數(shù)據(jù)的長期趨勢、周期特征和短期波動特征,并采用4種不同權(quán)重確定方法構(gòu)建了多個航空貨運量組合預(yù)測模型。運用Holt-Winter模型、ARIMA模型及其組合預(yù)測模型對2021-2022年中國航空月度貨運量進行了預(yù)測,以2021年1月—5月的航空貨運量數(shù)據(jù)作為驗證數(shù)據(jù)集,對比分析了不同預(yù)測模型的預(yù)測誤差。結(jié)果表明:Holt-Winters與ARIMA組合預(yù)測模型的平均絕對百分比誤差與最大絕對百分比誤差普遍小于自身單一模型的;基于最小二乘法賦權(quán)的組合模型預(yù)測效果最優(yōu),基于殘差倒數(shù)法賦權(quán)的組合模型預(yù)測效果次優(yōu);最優(yōu)組合模型的平均絕對百分比誤差為1.93%,比次優(yōu)組合模型降低了8.53%,較單一的Holt-Winters模型與ARIMA模型分別降低了71.70%與20.58%,驗證了最優(yōu)組合模型對后疫情時代中國航空貨運量月度數(shù)據(jù)預(yù)測的有效性。

摘要： 2020年突如其來的新型冠狀病毒肺炎疫情對全世界人民造成了巨大的影響,對中國住房市場的短期發(fā)展造成了較為劇烈的沖擊,但經(jīng)歷了半年的恢復(fù)后,住房市場恢復(fù)較為顯著。本文選擇2004年第一季度至2020年第三季度的商品房平均銷售價格及六個解釋變量的數(shù)據(jù)為研究對象,運用S-AIC、S-BIC、MMA和JMA等模型平均方法對我國商品房價格進行建模,判斷基于不同方法預(yù)測精度的優(yōu)劣。研究表明,基于MMA準則的模型平均方法所得到的預(yù)測精度最優(yōu),并且具有很好的穩(wěn)定性。

摘要： 天然氣作為清潔、高效的優(yōu)質(zhì)能源,對減少碳排放量,促進城市生態(tài)環(huán)境和經(jīng)濟高質(zhì)量發(fā)展,實現(xiàn)中國“碳達峰、碳中和”戰(zhàn)略目標(biāo)具有重要意義,因此精準預(yù)測城市天然氣需求量是城市健康發(fā)展的重要保障。天然氣需求量的預(yù)測主要有單一預(yù)測模型和構(gòu)建組合預(yù)測模型兩種研究方法。組合預(yù)測模型可以有效的對單一預(yù)測模型提供的信息進行整合,從而進一步減小單一預(yù)測模型帶來的誤差,提高預(yù)測的精確度。為了對城市天然氣需求量進行準確預(yù)測,通過借鑒合作博弈論Shapley值利益分配理論,考慮均值GM(1,1)模型、指數(shù)平滑模型、灰色Verhulst模型之間的差異以及各自的特點,建立天然氣需求組合預(yù)測模型,可以有效減少預(yù)測的誤差。研究結(jié)果表明:(1)Shapley值能減少各單一預(yù)測模型差異的影響,更好的對三種單一預(yù)測模型的平均絕對百分比誤差進行分配,確定的單一預(yù)測模型權(quán)重更合理,有效提高了城市天然氣需求量預(yù)測的精度;(2)“十四五”期間中國城市天然氣需求量將呈持續(xù)增長趨勢,預(yù)計2025年將達到1995×10;m;。

摘要： 準確預(yù)測風(fēng)電功率可以提高電網(wǎng)運行的安全性和可靠性。為進一步提高短期風(fēng)電功率預(yù)測精度,針對目前單一模型難以獲得最優(yōu)預(yù)測結(jié)果的問題,提出一種CNN-LSTM&GRU多模型組合短期風(fēng)電功率預(yù)測方法。首先,利用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)提取數(shù)據(jù)局部特征,并結(jié)合長短期記憶(long short term memory,LSTM)網(wǎng)絡(luò)構(gòu)造出融合局部特征預(yù)提取模塊的CNN-LSTM網(wǎng)絡(luò)結(jié)構(gòu);然后,將其與門控循環(huán)單元(gated recurrent unit,GRU)網(wǎng)絡(luò)并行,并通過自適應(yīng)權(quán)重學(xué)習(xí)模塊為CNN-LSTM模塊和GRU模塊的輸出選擇最佳權(quán)重,構(gòu)建出CNN-LSTM&GRU組合的短期預(yù)測模型。最后,對中國西北某風(fēng)電場的出力進行預(yù)測研究,結(jié)果表明:所提模型與單一模型或其他組合模型相比,指標(biāo)誤差更小,預(yù)測精度更高。

摘要： 考慮到快遞需求受電子商務(wù)環(huán)境和季節(jié)性特征影響,文章將電子商務(wù)因素納入快遞需求預(yù)測指標(biāo)體系中,采用灰色關(guān)聯(lián)分析法確定關(guān)聯(lián)度顯著指標(biāo),采用GM(1,N)模型進行趨勢預(yù)測,應(yīng)用時間序列ARIMA模型預(yù)測季節(jié)性差異,并建立上述兩類模型的GM(1,N)ARIMA權(quán)重組合模型以提升預(yù)測精度,運用組合預(yù)測模型對杭州市2021年4季度—2022年4季度的快遞需求進行預(yù)測。研究結(jié)果表明,組合預(yù)測模型的預(yù)測誤差顯著優(yōu)于所選單一模型;電子商務(wù)的發(fā)展對快遞需求的影響將會逐漸增加;快遞需求的季節(jié)性差異出現(xiàn)新特征。

摘要： 當(dāng)前國際形勢變幻莫測,地緣政治沖突不斷升級,導(dǎo)致我國的糧食安全在一定程度上也面臨著諸多風(fēng)險和挑戰(zhàn),而針對糧食安全的評估,糧食產(chǎn)量通常是一個重要的衡量指標(biāo)。本文將二次指數(shù)平滑模型、灰色GM(1,1)模型和支持向量回歸模型進行組合優(yōu)化,以云南省2001-2020年的糧食產(chǎn)量為樣本數(shù)據(jù),采用線性組合預(yù)測模型預(yù)測了未來三年的糧食產(chǎn)量。實證結(jié)果表明線性組合預(yù)測模型具有較好的預(yù)測效果,且云南省未來三年的糧食產(chǎn)量呈現(xiàn)出穩(wěn)步增長的趨勢。

摘要： 為適應(yīng)高密度任務(wù)條件下航天試驗任務(wù)對航天試驗裝備備件精確化保障的要求,提高備件保障的質(zhì)量效益,運用組合預(yù)測的思想,在優(yōu)選和改進單項預(yù)測模型的基礎(chǔ)上,從實際值和預(yù)測值之間的相關(guān)性指標(biāo)出發(fā),結(jié)合信息集結(jié)算子動態(tài)賦權(quán),提出一種航天試驗裝備備件需求組合預(yù)測模型。以5個典型誤差指標(biāo)對實驗結(jié)果進行比較分析,該組合預(yù)測模型的預(yù)測結(jié)果均明顯優(yōu)于單項預(yù)測模型。通過建立組合預(yù)測模型,彌補了單項預(yù)測模型的不足,提高了航天試驗裝備備件需求預(yù)測的精度,為增強航天試驗任務(wù)保障效益提供了方法參考和決策支持。

摘要： 針對冷負荷預(yù)測問題,提出了一種基于相空間重構(gòu)(PSR)、經(jīng)驗?zāi)B(tài)分解(EMD)和徑向基神經(jīng)網(wǎng)絡(luò)(RBFNN)的冷負荷組合預(yù)測模型。該模型首先利用經(jīng)驗?zāi)B(tài)分解方法,把冷負荷序列分解為少數(shù)模態(tài)分量,然后利用分組分量法將其分為多個高頻子分量、總低頻分量和殘余量,最后以PSR為基礎(chǔ)對各分量利用RBFNN方法建模并將預(yù)測結(jié)果重構(gòu)。該方法應(yīng)用于實際冷站負荷預(yù)測后,與單一RBFNN、SVM、LSSVM及基于EMD的SVM、基于EMD的RBFNN5類方法進行比較,結(jié)果表明該方法對冷負荷預(yù)測精度有明顯提高。

摘要： 周轉(zhuǎn)量作為計算運輸成本、客貨運收入、勞動生產(chǎn)率、客貨運平均行程和運輸密度等指標(biāo)的依據(jù),能比較全面和確切地反映運輸?shù)某晒约斑\輸生產(chǎn)產(chǎn)品的數(shù)量,其預(yù)測對民航的科學(xué)化發(fā)展有重要意義。與民航業(yè)的快速發(fā)展和民航市場的不斷擴大相比,目前民航的預(yù)測模型種類較少。為探索一種更為有效的方法來提高民航周轉(zhuǎn)量預(yù)測準確率,較為新穎的Prophet模型和NeuralProphet模型被引入到對民航貨物周轉(zhuǎn)量、民航貨郵周轉(zhuǎn)量、民航旅客周轉(zhuǎn)量和民航總周轉(zhuǎn)量的預(yù)測中。在與單個模型對比中,在精確度上Prophet模型和NeuralProphet模型相較于傳統(tǒng)的三次指數(shù)平滑法以及ARIMA模型預(yù)測結(jié)果更優(yōu)。利用權(quán)值法創(chuàng)建的Prophet-ARIMA組合模型使預(yù)測結(jié)果更為精準,并被發(fā)現(xiàn)在討論的所有模型中該模型表現(xiàn)最佳,這為民航預(yù)測提供了一種新思路。

摘要： 隧道大變形是隧道工程中的常見病害之一,嚴重威脅施工安全及工程進度,對其研究具有重要意義.首先,本文基于隧道所處的地質(zhì)條件、監(jiān)測成果等,開展了隧道大變形機理分析;其次,以BP神經(jīng)網(wǎng)絡(luò)和支持向量機為基礎(chǔ),利用遺傳算法和粒子群算法優(yōu)化其結(jié)構(gòu)參數(shù),以實現(xiàn)單項預(yù)測模型優(yōu)化,再構(gòu)建線性組合模型和非線性組合模型,實現(xiàn)了隧道大變形的組合預(yù)測.實例分析表明:隧道大變形是地應(yīng)力因素、巖性因素、地下水因素及施工因素等共同作用的結(jié)果;同時,本文組合預(yù)測模型較單項預(yù)測模型具有更高的預(yù)測精度和穩(wěn)定性,驗證了本文組合預(yù)測思路的有效性,且以BP神經(jīng)網(wǎng)絡(luò)權(quán)值法的組合效果最優(yōu).通過本文研究,為大變形防治及變形規(guī)律評價提供了借鑒和參考,具有一定的實用價值.

摘要： 網(wǎng)絡(luò)安全態(tài)勢受多種復(fù)雜因素影響,具有高度非線性、時變性、突變性等特點,使得傳統(tǒng)上的單一預(yù)測模型存在預(yù)測精度低的問題.針對這一不足,結(jié)合合作策略論,提出一種新的網(wǎng)絡(luò)安全態(tài)勢組合預(yù)測模型.首先通過Elman神經(jīng)網(wǎng)絡(luò)模型、GM(1,1)模型、支持向量機模型分別對網(wǎng)絡(luò)安全態(tài)勢進行預(yù)測,再運用合作對策中的Shapley值法,對單一模型的預(yù)測結(jié)果進行加權(quán)運算得到組合預(yù)測結(jié)果,最后對真實網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)進行仿真測試.仿真結(jié)果表明,組合預(yù)測模型可以準確跟蹤態(tài)勢值的變化,有效提高了網(wǎng)絡(luò)安全態(tài)勢預(yù)測精度,同時具有效率高的特點,能為網(wǎng)絡(luò)管理者做出安全防護的決策提供科學(xué)依據(jù).

摘要： 目的:探討組合預(yù)測模型在中國衛(wèi)生人力資源預(yù)測中的應(yīng)用,為衛(wèi)生人力資源規(guī)劃提供參考依據(jù).方法:在比較分析灰色預(yù)測模型、人力/人口比值法模型和Holt-Winter非季節(jié)預(yù)測模型基礎(chǔ)上,運用預(yù)測誤差平方和倒數(shù)法建立組合預(yù)測模型,分別預(yù)測中國衛(wèi)生人員、衛(wèi)生技術(shù)人員、執(zhí)業(yè)(助理)醫(yī)師、注冊護士、藥師(士)等主要衛(wèi)生人力發(fā)展情況,并對預(yù)測結(jié)果進行比較分析.結(jié)果:模型評價指標(biāo)值中,組合預(yù)測模型評價指標(biāo)值(MAPE)最小,預(yù)測效果更好.根據(jù)組合預(yù)測模型可知,2015-2020年間,中國主要衛(wèi)生人力均呈持續(xù)增長趨勢.結(jié)論:中國醫(yī)藥衛(wèi)生人才專業(yè)結(jié)構(gòu)發(fā)展失衡,政府部門應(yīng)積極推進醫(yī)藥衛(wèi)生人才協(xié)調(diào)發(fā)展.

摘要： 介紹了誘導(dǎo)有序加權(quán)幾何平均(IOWGA)算子的組合預(yù)測方法基本原理,將灰色預(yù)測模型、指數(shù)平滑法及最小二乘支持向量機回歸預(yù)測模型予以組合,建立一種基于IOWGA算子的轉(zhuǎn)子系統(tǒng)磨損磨粒濃度組合預(yù)測模型及評價指標(biāo)體系.以單跨轉(zhuǎn)子試驗臺為例,提取鐵譜片上磨粒的濃度數(shù)據(jù),利用組合預(yù)測模型對磨損磨粒濃度變化趨勢進行預(yù)測,并與單項預(yù)測模型的預(yù)測結(jié)果進行比較.實例結(jié)果表明:基于IOWGA算子的組合預(yù)測模型的預(yù)測精度比三種單項預(yù)測法的精度要高,預(yù)測效果更優(yōu).

摘要： 傳統(tǒng)的組合預(yù)測方法只考慮了數(shù)據(jù)本身的重要性,忽略了數(shù)據(jù)之間的關(guān)系,因此本文引進了WPA算子,以擬合誤差平方和為準則建立了基于WPA算子的組合預(yù)測模型,并探討了模型的求解方法,再結(jié)合實例分析驗證了模型的有效性.

摘要： 針對實際值和預(yù)測值均為區(qū)間數(shù)的形式,提出基于連續(xù)有序加權(quán)幾何平均算子和一階預(yù)測有效度準則的新區(qū)間組合預(yù)測模型,研究了他們的性質(zhì),同時將非線性形式進行變換,轉(zhuǎn)化為線性模型進行求解.最后,實例證明該模型能有效的提高組合的精度.

摘要： 組合預(yù)測的關(guān)鍵是確定單項預(yù)測方法的加權(quán)系數(shù).傳統(tǒng)的組合預(yù)測方法是通過構(gòu)建組合預(yù)測誤差準則模型來確定最優(yōu)加權(quán)系數(shù).由于事物的模糊性和不確定性,描述預(yù)測對象的數(shù)據(jù)經(jīng)常以區(qū)間形式給出,區(qū)間組合預(yù)測應(yīng)運而生.本文將連續(xù)區(qū)間有序加權(quán)平均(COWA)算子應(yīng)用到區(qū)間數(shù)運算中,構(gòu)建基于誘導(dǎo)有序加權(quán)平均(IOWA)算子和相關(guān)系數(shù)的連續(xù)區(qū)間組合預(yù)測模型,并通過實例分析說明該區(qū)間組合預(yù)測方法的有效性.

摘要： 本文對傳統(tǒng)的線性組合預(yù)測模型進行研究,根據(jù)權(quán)重的約束,對“誤差平方之和最小”、“誤差絕對值之和最小”和“最大誤差絕對值最小”準則的線性組合預(yù)測進行推廣,補充了若干個線性組合預(yù)測模型.以美國加州電力日均價為例,給出9種線性組合預(yù)測模型的預(yù)測結(jié)果.

摘要： 地震屬性受多種地質(zhì)因素的影響,單一地震屬性很難準確的反映儲層特征.因此尋找能夠降低地震屬性多解性的方法,準確預(yù)測主地質(zhì)參數(shù),是基于地震屬性評價煤層氣有利區(qū)的關(guān)鍵.(1)通過優(yōu)選單一地震屬性及地震多屬性組合變換的方法,建立較為準確的煤層氣主地質(zhì)參數(shù)預(yù)測模型.(2)建立適用于地震屬性評價煤層氣有利區(qū)的動態(tài)權(quán)重系數(shù)中值法,以中值評價值出現(xiàn)的最高頻率,確定預(yù)測的主地質(zhì)參數(shù)在煤層氣有利區(qū)優(yōu)選中所占的權(quán)重,通過評價值函數(shù),對煤層氣有利區(qū)進行評價.(3)通過地震屬性評價煤層氣有利區(qū)結(jié)果與前人的評價結(jié)果基本一致.表明該方法適用于勘探開發(fā)程度較低的區(qū)塊,評價結(jié)果可用于指導(dǎo)煤層氣井的部署.

摘要： 在歸納時間序列分析法和BP神經(jīng)網(wǎng)絡(luò)法兩種單一預(yù)測模型的基礎(chǔ)上,研究了基于ARIMA-BP神經(jīng)網(wǎng)絡(luò)的幾種不同的組合模型,并結(jié)合某地基沉降的實際數(shù)據(jù)對各種組合模型的預(yù)測結(jié)果與精度進行了比較分析,得出了相應(yīng)的結(jié)論.

摘要： 本發(fā)明涉及用于預(yù)測癌癥患者預(yù)后的生物標(biāo)志物組合物，該生物標(biāo)志物組合物包括第一分子亞型或由該第一分子亞型轉(zhuǎn)錄和翻譯的蛋白。本發(fā)明還涉及用于預(yù)測癌癥患者預(yù)后的生物標(biāo)志物組合物，該生物標(biāo)志物組合物還包括第二分子亞型或由該第二分子亞型轉(zhuǎn)錄和翻譯的蛋白。

摘要： 本發(fā)明的課題是提供在水中的空氣等氣體親和性可長期持續(xù)、流體摩擦阻力減少效果大、經(jīng)濟且對環(huán)境的影響少的摩擦阻力減少船舶，并且提供可形成在水中與空氣等氣體的親和性得到長期持續(xù)、起到摩擦阻力減少效果、且航行中和靜置條件下都具有防污功能的涂膜的涂料組合物。本發(fā)明涉及可形成具有特定的靜態(tài)水中氣泡接觸角和特定的水中氣泡滾動(滑動)角的涂膜的、用于利用水中的氣體潤滑功能的摩擦阻力減少船舶的涂料組合物。此外，本發(fā)明涉及分別以特定量含有特定的有機聚硅氧烷(A)、特定的有機硅烷(B)、特定的疏水性材料(C)的用于利用水中的氣體潤滑功能的摩擦阻力減少船舶的防污涂料組合物。

摘要： 本發(fā)明提供了一種結(jié)直腸癌發(fā)病風(fēng)險預(yù)測模型及系統(tǒng)。本發(fā)明以基于中國人群結(jié)直腸癌易感基因篩查結(jié)果的研究為基礎(chǔ)，構(gòu)建了包括19個SNP位點分型信息的結(jié)直腸癌發(fā)病風(fēng)險預(yù)測系統(tǒng)和試劑盒，能夠預(yù)測提示受檢者罹患結(jié)直腸癌的風(fēng)險程度，在不同人群的結(jié)直腸癌發(fā)病風(fēng)險預(yù)測中性能穩(wěn)健，重復(fù)性好，可靠性高，檢測技術(shù)便利，提供了為普通風(fēng)險人群評估發(fā)病風(fēng)險等級的可能性，而且無需做年齡限制、無需考慮性別差異，能夠進行大規(guī)模人群普查、篩選結(jié)直腸癌發(fā)病高危人群，實現(xiàn)結(jié)直腸癌病風(fēng)險預(yù)測、預(yù)警，提高早診率，可作為中國結(jié)直腸癌個體化早期篩查和預(yù)防策略的第一步，有利于識別結(jié)直腸癌高危個體，具備推薦作為結(jié)直腸癌普篩項目的輔助手段之一的前景。

摘要： 本發(fā)明提供了一種在視頻譯碼中對當(dāng)前塊進行組合的幀間?幀內(nèi)預(yù)測的方法，其中，所述組合的幀間?幀內(nèi)預(yù)測用于提供預(yù)測塊，可以微調(diào)用于獲取所述預(yù)測塊的幀內(nèi)預(yù)測塊和幀間預(yù)測塊的權(quán)重。具體地，所述方法包括：確定與所述當(dāng)前塊相鄰的相鄰塊的預(yù)測信息，其中，所述預(yù)測信息包括用于預(yù)測所述相鄰塊的預(yù)測模式；確定是否要使用基于矩陣的幀內(nèi)預(yù)測(matrix?based intra prediction，MIP)來預(yù)測所述當(dāng)前塊；將所述當(dāng)前塊預(yù)測為幀內(nèi)預(yù)測塊和幀間預(yù)測塊的加權(quán)和，其中，所述幀間預(yù)測塊和所述幀內(nèi)預(yù)測塊的權(quán)重根據(jù)所述相鄰塊的所述預(yù)測信息和所述確定是否要使用MIP來預(yù)測所述當(dāng)前塊進行確定。

摘要： 一種藥物組合預(yù)測系統(tǒng)，包含儲存裝置和處理器。儲存裝置用于儲存數(shù)據(jù)庫，數(shù)據(jù)庫用于儲存多個原始基因組、第一藥品所影響的至少第一基因和第二藥品所影響的至少第二基因。處理器用于將第一原始基因組中的至少第一基因的部分和至少第二基因的部分指定為第一協(xié)同基因組，計算第一協(xié)同基因組中的基因數(shù)量，以取得第一協(xié)同基因數(shù)量，依據(jù)第一協(xié)同基因數(shù)量在第一原始基因組中所占的第一比例，計算第一藥物和第二藥物的組合所對應(yīng)的協(xié)同值，并依據(jù)協(xié)同值篩選出至少一種協(xié)同藥物組合，借此達到大幅減少了藥物組合預(yù)測所需的運算量的效果。

摘要： 本發(fā)明提出了一種基于優(yōu)化組合預(yù)測模型的管道硫化氫預(yù)測方法，所述預(yù)測方法包括：獲取污水管道中影響硫化氫生成量的相關(guān)水質(zhì)參數(shù)；對參數(shù)進行標(biāo)準化處理及主成分分析，獲得最佳輸入?yún)?shù)；構(gòu)建多個單項預(yù)測模型并確定各模型超參數(shù)，將最佳參數(shù)和硫化氫生成量分別作為各單項模型的輸入、輸出參數(shù)進行訓(xùn)練，得到各自預(yù)測值；評估預(yù)測效果，符合精度要求則輸出到下一步，不符合則返回調(diào)整各模型超參數(shù)；使用優(yōu)化算法確定各單項模型的權(quán)系數(shù)進而得到組合預(yù)測模型的預(yù)測值；再次評估預(yù)測效果，符合精度要求則輸出，不符合則返回調(diào)整權(quán)系數(shù)。該種優(yōu)化的組合預(yù)測方法結(jié)合單項預(yù)測模型的優(yōu)點，在提高預(yù)測精度和收斂速度的同時，還具備更強的魯棒性。

摘要： 本發(fā)明公開了一種基于組合時序預(yù)測的NOx廢氣濃度預(yù)測方法，包括：采集原始NOx廢氣濃度信號，并對其進行預(yù)處理，生成時序數(shù)據(jù)集A；對m個特征參數(shù)進行采樣和預(yù)處理，構(gòu)建時序特征序列，并對時序特征序列進行歸一化處理，生成時序數(shù)據(jù)集B；結(jié)合時序數(shù)據(jù)集A和時序數(shù)據(jù)集B，并利用滑動窗口構(gòu)建時序相關(guān)序列數(shù)據(jù)組；從單步預(yù)測算法庫和多步預(yù)測算法庫中選擇p種算法，建立k個p層的組合預(yù)測方案，分別對時序相關(guān)序列數(shù)據(jù)組進行中短期的NOx廢氣濃度預(yù)測；利用PR2指標(biāo)對預(yù)測結(jié)果進行評價，根據(jù)評價結(jié)果從k個p層的組合預(yù)測方案中選取最優(yōu)預(yù)測方案，對NOx廢氣濃度進行預(yù)測；本發(fā)明具有很強的靈活性和適應(yīng)性，且預(yù)測精度高。

摘要： 本申請涉及一種基于組合預(yù)測的提升精度的光伏功率預(yù)測方法、裝置。所述方法包括：獲取預(yù)設(shè)時長內(nèi)的歷史光伏功率數(shù)據(jù)；根據(jù)歷史光伏功率數(shù)據(jù)，確定預(yù)設(shè)時長內(nèi)的高頻功率數(shù)據(jù)和平均功率數(shù)據(jù)，其中，高頻功率數(shù)據(jù)為設(shè)定時長內(nèi)的波動頻率大于預(yù)設(shè)值的數(shù)據(jù)；獲取氣象數(shù)據(jù)，將氣象數(shù)據(jù)和高頻功率數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，確定高頻功率數(shù)據(jù)的預(yù)測值；根據(jù)高頻功率數(shù)據(jù)的預(yù)測值和平均功率數(shù)據(jù)，確定光伏功率預(yù)測結(jié)果。從而能夠?qū)⒏哳l功率從整體的功率中剝離出來針對性的進行預(yù)測，提高功率預(yù)測的精度。

摘要： 本公開涉及基于組合預(yù)測模型的自適應(yīng)網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法，該方法包括：子模型訓(xùn)練步驟，從用于自適應(yīng)安全態(tài)勢預(yù)測的訓(xùn)練數(shù)據(jù)集中提取用于訓(xùn)練數(shù)據(jù)序列，訓(xùn)練出作為組合預(yù)測模型的構(gòu)成要素的n個不同的子模型M；初始權(quán)重賦值步驟，針對每個子模型Mi分別進行初始權(quán)重賦值；子模型在線預(yù)測步驟，對每個子模型Mi的預(yù)測結(jié)果加權(quán)求和，輸出當(dāng)次對于網(wǎng)絡(luò)安全態(tài)勢預(yù)測的最終結(jié)果；子模型預(yù)測結(jié)果評價步驟，在用于評價的時間周期中，對每個子模型Mi評價其預(yù)測結(jié)果的準確性；以及自適應(yīng)權(quán)重調(diào)整步驟，利用在所述子模型預(yù)測結(jié)果評價步驟中的評價結(jié)果，對每個子模型Mi的權(quán)重進行自適應(yīng)調(diào)整。

摘要： 本發(fā)明公開了一種基于組合預(yù)測模型的電能表庫存需求預(yù)測方法，涉及需求預(yù)測領(lǐng)域。目前，電能表年度采購普遍存在準確度不高的現(xiàn)象。本發(fā)明包括步驟：構(gòu)建第一電能表庫存需求預(yù)測模型，得到電能表庫存需求預(yù)測值向量Y