A Search for Hidden Relationships: Data Mining with Genetic Algorithms

This paper presents an algorithm that permits the search for dependencies among sets of data (univariate or multivariate time-series, or cross-sectional observations). The procedure is modeled after genetic theories and Darwinian concepts, such as natural selection and survival of the fittest. It permits the discovery of equations of the data-generating process in symbolic form. The genetic algorithm that is described here uses parts of equations as building blocks to breed ever better formulas. Apart from furnishing a deeper understanding of the dynamics of a process, the method also permits global predictions and forecasts. The algorithm is successfully tested with artificial and with economic time-series and also with cross-sectional data on the performance and salaries of NBA players during the 94–95 season.     

承压水漏斗地区地下水位时空分布预报的BP网络模型

依据水均衡原理，导出承压水漏斗区任意一点水位与其影响因素之间的复杂的非线性关系，在此基础上提出承压水漏斗水位时空分布预报的BP神经网络模型。该模型具有 分布参数模型的特征，且不需用到区域的水文地质参数。最后针对某实例进行了模型设计及预报分析，通过对部分观测井后期实测数据的训练，优选出双隐层的网络结构及其网络参数。随后用这些观测井的前3年数据进行了检验，并对其他观测井数据进行预报。计算表明，该模型对地下水位拟合与预报的合格率较高，可以获得研究区域某一时刻水位在空间上的分布。     

Strategic appraisal of energy models for Mozambique

The needs that an energy supply system must meet are constantly changing, due to technological, social and political reasons. Effective energy planning is a dynamic process that is repeated periodically and adjusts to changing conditions. Energy decision makers and planners are no longer able to rely on inductive decision making since they have to investigate the effect of various decision parameters and possible future changes. To help in this process, models have been developed where estimates of future load growth, candidate power plants, fuels and other key factors can be introduced, from which the planners can evaluate decision parameters and the available alternatives. The paper presents the different methodologies and practices that are used by 11 energy models for energy demand forecasting, supply side management and generation expansion planning, demand side management and integrated resource planning. The paper concludes to the presentation of a strategic appraisal of the examined energy models appropriate for energy planning in Mozambique. Three models are proposed for conducting demand forecasting, generation expansion planning and demand side management. Copyright © 2002 John Wiley & Sons, Ltd.     

非方程灰色系统方法在长期水文预报中的应用初探

基于水文过程的复杂性和影响因子信息收集不完善这一基本事实，本文将流域水文系统视为含有灰元和灰信息的灰色系统，并初步实践了非方程灰色预报方法在长期水文预报中的应用。方法在一定意义上脱离了传统的以方程为中心的预报模式，它既考虑预报因子对预报量的不同影响程度，又不过分强调预报量与预报因子的具体相关函数形式，为长期水文预报提供了一种新思路。文中列出了实例，效果令人满意。     

Forecasting of Turkey's net electricity energy consumption on sectoral bases

In this study forecast of Turkey's net electricity energy consumption on sectoral basis until 2020 is explored. Artificial neural networks (ANN) is preferred as forecasting tool. The reasons behind choosing ANN are the ability of ANN to forecast future values of more than one variable at the same time and to model the nonlinear relation in the data structure. Founded forecast results by ANN are compared with official forecasts.     

模拟退火算法用于蒸汽吞吐井生产能力的预测

模拟退火算法是一种利用统计力学观点求解优化问题全局最优解的方法,是目前解决优化问题的一种比较先进的方法。本文应用模拟退火算法对蒸汽吞吐注采参数进行优化设计,并确定出了6个吞吐周期的最优周期产油量和周期注蒸汽量,较实际周期产油量和实际周期注汽量均有明显增加。将各周期的优化累积产油量和优化累积注汽量画在累积产油量与累积注汽量的双对数坐标中,得出累积注汽量和累积采油量关系曲线(简称注采关系曲线)。将该注采关系曲线外推估算了该井未来周期的累积产油量和累积注汽量,从而达到对蒸汽吞吐井生产能力的预测。     

梯级-关联算法在多泥沙河流含沙量预报中的应用

本文借助历史加成法处理样本数据，并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报。传统BP网络需要预先设定网络结构，预报过程虽利用了神经网络的内插特性，但其样本的处理方式和网络构建方式使得运算效率较低；CC算法仅要求初始网络含有输入层和输出层，通过运算不断向网络增加隐含节点，从而最大限度的减少了在网络构建过程中的主观因素。本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现，结果显示：当预报的峰值为训练样本峰值的2.45倍时，二者均能实现较为准确的预报，BP网络在预报精度上要略高于CC网络，但CC网络在运算速度上要明显快于BP网络。     

BP网络过拟合问题研究及应用

通过类比信息传递过程中的一般测不准关系式,研究BP网络出现过拟合现象时,代表网络学习能力的权值改变量与反映网络推广能力的未参与训练的检验样本的辨识误差之间的关系.在该关系式中引入一个过拟合参数P,通过对岷江流域紫坪埔站的流量预报,说明在判断网络是否出现过拟合现象时,计算过拟合参数P是一种有研究意义的参考.     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型。是一种值得推广的方法。     

EMS中负荷预测不良数据的辨识与修正

分析了实际电力系统中负荷异常数据的主要成因，并针对2类主要的坏数据各自的特点，分别使用不同的方法处理负荷预测样本数据。针对自动化系统故障造成的坏数据，提出了具有负荷预测应用特点的总加值动态多源处理技术，从而能够充分利用采集设备或网络通道对负荷总加值而言的多重冗余配置；针对大负荷的突发性偶然波动造成的坏数据，采用对电网终端负荷的逐一扫描辨识，部分避免了对单一总加数据预处理的误判和漏判。