您现在的位置: 首页> 研究主题> 组合预测模型

组合预测模型

组合预测模型的相关文献在1986年到2023年内共计532篇,主要集中在自动化技术、计算机技术、经济计划与管理、电工技术 等领域,其中期刊论文468篇、会议论文27篇、专利文献901938篇;相关期刊323种,包括物流工程与管理、数量经济技术经济研究、预测等; 相关会议24种,包括2013年全国大坝安全监测技术与应用学术交流会、第十三届中国不确定系统年会暨第九届中国智能计算大会、第25届全国灰色系统学术会议等;组合预测模型的相关文献由1406位作者贡献,包括杨桂元、谢小军、马虹等。

组合预测模型—发文量

期刊论文>

论文:468 占比:0.05%

会议论文>

论文:27 占比:0.00%

专利文献>

论文:901938 占比:99.95%

总计:902433篇

组合预测模型—发文趋势图

组合预测模型

-研究学者

  • 杨桂元
  • 谢小军
  • 马虹
  • 唐小我
  • 徐小力
  • 乔希民
  • 任春华
  • 庄科俊
  • 王丰效
  • 陈华友
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 肖磊; 颜俊键; 聂文; 熊春龙
    • 摘要: 为解决高等级沥青路面养护需求不明确的问题,基于历年定检报告,采用组合预测模型预测未来沥青路面的技术状况指标。结合养护时机判断标准,对预测的技术状况指标进行统计分析及养护方案规划。综合现场病害情况和交通量等给出推荐的养护方案,统计养护方案工程量。对比实际处治方案与预测方案,分析了实际工程量与预测工程量间的关系。研究表明,组合预测模型所预测的处治工程量略小于实际处治工程量,工程量偏差不大,故该组合预测模型能较好地指导沥青路面养护方案规划。
    • 徐茂
    • 摘要: 为解决单一BP神经网络学习速度慢、泛化性能不高等问题,采用鲸鱼算法(WOA)优化BP神经网络的组合预测模型对聚合物火灾危险性进行分析,根据火灾危险性综合指数(IFHI)对聚合物火灾危险性进行量化输出。通过WOA算法将BP神经网络的初始权值和阈值进行优化,随后将优化后的参数重新送入BP神经网络进行训练和预测。结果表明,优化后的BP-WOA组合模型对聚合物火灾危险性实际输出值拟合精度更高,IFHI结果与层次分析法分析结果大体相近,聚合物火灾危险性与火灾危险指数的走向基本相同,并且评估结果同实际数据具有较好的一致性与较高的重合度。
    • 徐冬梅; 王亚琴; 王文川
    • 摘要: 准确的月降水量预报对水资源的合理开发利用及洪涝灾害的预测和防治具有重要意义。针对传统降水预测方法信息挖掘能力不足的问题,提出了一种基于VMD--TCN的月降水量组合预测模型。该模型使用VMD将原始序列分解为一系列相对平稳的子序列,然后利用TCN对各子序列分别进行预测,输出各子序列预测结果,叠加得到最终预测结果。将VMD-TCN降水预测模型与EMD-TCN模型和VMD-LSTM模型进行对比。结果表明:VMD-TCN模型的R^(2)可达0.98,与EMD-TCN和VMD-LSTM模型相比,RMSE分别减少了83.85%和43.56%,MAE分别减少了84.25%和43.60%,明显优于EMD-TCN和VMD-LSTM。在精度高于VMD-LSTM模型的基础上,VMD-TCN模型基于卷积的并行思想,运行速度是VMD-LSTM模型的2倍多,为月降水量预测提供了一种有效方法。
    • 彭鑫; 贺小黑; 贺鑫焱; 彭必建
    • 摘要: 为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。
    • 甘露; 陈芳芳; 孙祥晟; 李润; 王驰鑫; 徐天奇
    • 摘要: 现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展。对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与量子遗传算法(QGA)-Elman组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值。
    • 任文博; 刘云龙; 李佳佳; 李硕磊; 李文庆
    • 摘要: 为了快速精确地利用基本物性指标预测湿陷性黄土的湿陷性系数,基于多种数据挖掘方法提出了离散型二项式系数组合预测模型。首先,采用相关系数法和随机森林重要性指数法综合选取模型基本物性指标为饱和度、干密度、液性指数和天然含水量;然后,分别利用多元线性回归、反向传播(back propagation,BP)神经网络、支持向量机回归(support vector machine regression,SVR)和随机森林(random forest,RF)回归对黄土湿陷性系数进行预测,并将预测结果进行组合,得到4种单一模型、2种传统组合模型和离散型二项式系数组合模型预测结果;最后,利用6种不同精度指标对上述7种预测模型展开精度分析。结果表明:组合预测模型精度整体高于单一预测模型,且提出的离散型二项式系数组合模型各精度指标均为最优,平均相对误差为3.43%。可见提出的离散型二项式系数组合模型可为湿陷性黄土地区的工程设计提供参考。
    • 刘锦新
    • 摘要: 对建筑物进行沉降预测至关重要,常用的模型有灰色预测模型、泊松曲线预测模型,但这两种方法各有利弊。本文提出了利用最小二乘原理,将两种方法有机地结合起来,建立加权组合预测模型和变权组合预测模型,求解模型的权系数,通过实测数据与模型预测结果进行对比,组合之后的预测模型效果明显优于单一模型,且变权组合预测模型精度更高。
    • 杨芮; 文武; 徐虹
    • 摘要: 可靠的风功率预测对于电力部门制定电力调度计划、维护电网的安全运行具有重要意义。这项任务极富挑战性,因为影响风功率预测准确率的因素较多,如地理因素、环境因素、人为因素等。将环境因素考虑在内,提出一种基于深度学习的组合预测模型PCC-CNN-GRU皮尔逊相关系数法(Pearson correlation coefficient)-卷积神经网络(convolutional neural networks)-门控循环单元(gate recurrent unit)。该模型首先使用皮尔逊相关系数法分析输入数据中不同因素与风功率之间的相关关系,剔除与功率无关的因素,重构新的输入数据并进行归一化处理,并使用一维卷积神经网络对数据的深层特征进行提取,最后将提取的特征送入GRU神经网络进行预测。实验使用新疆某地风场实地采集数据仿真,结果表明,该方法的预测误差最小,预测能力最强。
    • 杨芮; 徐虹; 文武
    • 摘要: 为了克服因风速信号固有的震动性、非线性特性引起的预测精度不高的问题,本文提出了使用集合经验模态分解算法和门控循环单元两种方法相结合的组合模型对风速进行预测.该模型首先对数据进行归一化处理,使用孤立森林算法,剔除异常点,然后用EEMD (ensemble empirical mode decomposition)方法,将风速拆分成不同尺度的信号,消除数据的非平稳性,将分解得到的相对平稳的分量信号分别送入GRU (gated recurrent unit)模型进行训练,获得各自的预测结果,最终风速由所有分量各自预测的结果累加得到.实验中采用实地采集数据进行实验,结果证实, EEMD-GRU方法相较于目前主流的EEMD-LSTM、EMD-LSTM等方法,预测精度有明显提升.
    • 李承霖; 王家鼎; 谷天峰
    • 摘要: 沉降变形一直都是困扰填方工程的关键问题,原始地基中存在的湿陷性黄土与粉质黏土会导致沉降增大以及不均匀沉降等现象的发生。因此,做好工程的沉降监测和工后预测,对于保障高填方地基的稳定性至关重要。笔者以西北某机场迁建工程中高填方沉降监测数据作为依据,分别应用双曲线、对数和指数拟合曲线对填方地基的沉降进行预测、分析与对比,总结出各模型的拟合特点。同时采用灰色系统理论GM(1,1)对高填方地基建立另一种沉降预测模型,而针对GM(1,1)灰色模型预测值在沉降后期开始偏离实测曲线的问题,提出GM(1,1)BP神经网络联合预测模型。最后通过采用不等权系数将灰色GM(1,1)模型和曲线模型结合,构建组合模型,以求最大程度提高GM(1,1)灰色模型预测精度,为西北地区未来类似工程的地基沉降预测提供借鉴。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号