共查询到20条相似文献,搜索用时 328 毫秒
1.
海上风电功率预测是大型风电场并网稳定运行的先决条件,风电功率预测的准确性对提高电网的质量和一致性具有重要作用。为提高风电功率预测误差,采用自回归移动平均(ARIMA)和改进的k-最近邻(kNN)两种预测方法对海上风电功率进行预测,结果表明,风电功率根据不同的特性可以用不同的预测方法进行预测,预测误差小于20%,通过改进预测方法,能够提高预测精度。最后,通过具体算例对改进的两种预测方法进行了验证,并将结果进行了对比,验证了两种算法在不同预测时间范围的有效性。 相似文献
2.
3.
电梯交通流的预测准确性对电梯群控系统的运行质量与服务水平有很大的影响。文中综述近年来常用的电梯交通流预测方法,包括时间序列预测法、指数平滑法、卡尔曼滤波法等传统预测方法,人工神经网络、支持向量机等智能预测方法以及几种组合预测方法,并指出了未来的发展方向。 相似文献
4.
介绍了时间序列预测法中的灰色预测模型和指数平滑法,并用这两种预测方法运用于广西客运需求的预测,根据预测的结果,对两种预测方法进行了分析。 相似文献
5.
在预测市政地铁工程施工成本时,由于对成本构成的分析不够全面,导致预测成本与实际情况之间存在较大偏差,须对市政地铁工程施工成本预测展开研究。在分析市政地铁工程施工直接成本和间接成本的基础上,对其直接成本和间接成本的预测方法进行科学、深入研究,提出了精准预测方法。通过地铁工程施工实际成本与三种成本预测方法得出的预测成本数据的对比分析,验证了该精准预测方法的精准性和可靠性。 相似文献
6.
《机械设计与制造》2017,(12)
支持向量机(SVM)在解决小样本、非线性及高维问题方面表现突出,支持向量回归(SVR)目前被广泛应用于设备状态趋势预测中用于故障定量分析。故障预测用于定性分析的相对较少,为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术进行倍频成分预测。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障了SVR预测数据特征提取的完整性,提高预测精度。对特征频率进行分别预测,然后重新生成预测的频谱图。该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢支持向量回归(FVSVR)频谱成分预测方法具有较高的预测精度,可以对一些故障定性分析。 相似文献
7.
8.
精确的电力负荷预测是电力分配设备与配电网设计的关键。针对目前电力负荷预测精度低、模型训练慢的问题,提出了一种基于改进随机森林的并行化电力负荷预测方法。该方法首先利用灰色关联投影衡量历史样本属性与待预测日属性之间的相似性,构建相似历史样本数据集。然后基于遗传算法对随机森林的决策树进行进化搜索,提高集成预测精度。最后通过Hadoop分布式集群实现了电力负荷预测的并行化,提升了预测效率。实验结果表明,相比其它预测方法,该方法电力负荷预测值与负荷真实值之间的拟合度最高,且并行化能够降低预测时间消耗。 相似文献
9.
为解决单一扩散模型难以可靠预测产品市场扩散行为的问题,为决策者提供全面的信息和客观的预测结果,提出了一种运用自学习方法确定不同模型的组合权重的方法。给出了对产品市场扩散行为预测的相关描述,运用自学习方法表示了扩散模型库评价向量,确定了组合模型的权重,给出了扩散模型库的自学习方法及具体算法。最后,以移动通信扩散行为预测和互联网扩散行为预测为例,分析了上述方法的有效性。结果表明,上述方法有较好的预测效果。 相似文献
10.
11.
《机械工程学报(英文版)》2020,33(4):113-125
Achieving accurate speed prediction provides the most critical support parameter for high-level energy management of plug-in hybrid electric vehicles. Nowadays, people often drive a vehicle on fixed routes in their daily travels and accurate speed predictions of these routes are possible with random prediction and machine learning, but the prediction accuracy still needs to be improved. The prediction accuracy of traditional prediction algorithms is di cult to further improve after reaching a certain accuracy; problems, such as over fitting, occur in the process of improving prediction accuracy. The combined prediction model proposed in this paper can abandon the transitional dependence on a single prediction. By combining the two prediction algorithms, the fusion of prediction performance is achieved, the limit of the single prediction performance is crossed, and the goal of improving vehicle speed prediction performance is achieved. In this paper, an extraction method suitable for fixed route vehicle speed is designed. The application of Markov and back propagation(BP) neural network in predictions is introduced. Three new combined prediction methods, all named Markov and BP Neural Network(MBNN) combined prediction algorithm, are proposed, which make full use of the advantages of Markov and BP neural network algorithms. Finally, the comparison among the prediction methods has been carried out. The results show that the three MBNN models have improved by about 19%, 28%, and 29% compared with the Markov prediction model, which has better performance in the single prediction models. Overall, the MBNN combined prediction models can improve the prediction accuracy by 25.3% on average, which provides important support for the possible optimization of plug-in hybrid electric vehicle energy consumption. 相似文献
12.
基于隶属函数的疲劳寿命预测模型 总被引:1,自引:0,他引:1
将隶属函数应用于疲劳寿命预测 ,建立了基于隶属函数的疲劳寿命预测模型。通过实例对比分析 ,证明了本文所建立的预测模型较好地克服了传统疲劳寿命预测模型的不足之处 ,具有精度高、适用性强、使用方便的特点 ,为疲劳寿命预测提供了一种新方法 相似文献
13.
14.
15.
机械系统工作状态组合预测模型的研究 总被引:4,自引:0,他引:4
在机械系统工作状态的趋势预测中,可以采用振动烈度作为特征参量。为改进预测的效果,在时序预测和灰色预测的基础上,提出了组合预测法。研究结果表明:组合预测法是较理想的和较实用的预测方法。 相似文献
16.
BP神经网络在某型飞机发动机故障预测中的应用 总被引:1,自引:0,他引:1
飞机发动机是飞机的“心脏”,为了确保飞机的飞行安全,就必须能够对飞机发动机的故障进行有效的预测,并及时予以排除。本文介绍了神经网络故障预测原理,给出了神经网络模型在故障预测过程中的学习算法。并将该算法应用于某型飞机发动机的故障预测中。实验结果表明:用BP神经网络进行故障预测,不仅准确度高、效率高,而且可变被动维修为视情维修,具有良好的应用前景。 相似文献
17.
18.
19.
组合预测在应力集中问题中的应用 总被引:2,自引:0,他引:2
探讨加权组合预测方法在应力集中问题巾的应用,以带小孔的拉板为例,对采样点的数据分别建立GM(1,1)模型、趋势曲线预测模型和最优加权组合预测模型,并对各模型的误差进行比较。结果表明,组合预测模型的拟合和预测精度比单个模型要高。因此,用最优加权组合预测模型米推求应力集中区的最大应力,是工程测试数据处理的一种比较实用的新方法。 相似文献
20.
对某市历史天气数据进行分析、整理,建立了具有两个卷积层的卷积神经网络,并做出短期天气预测,对未来6 h天气温度进行预测,并根据实际天气做出误差分析。为了对预测结果进行分析,又基于灰色模型方法建立了天气预测模型,并对两种方法的预测结果进行比较,得出相应结论:整体来看,两种模型的预测结果与实际温度的相对误差和均方误差较小,都能较为精准地对温度进行短期预测,两种方法在对温度短期预测中具有参考价值,且卷积神经网络预测精度更高。这一结论可以为不同时间序列及天气温度波动情况的短期天气预测提供新的思路。 相似文献