基于灾变灰预测的电力峰谷差异常的预测模型研究

电力负荷预测过程中,峰谷值波动是一种正常现象,当高峰期负荷急速攀升时,可能出现峰谷差异常问题(如异常值、随机误差项的异方差等),则会给电力企业带来麻烦和损失.为了对负荷峰谷差异常进行有效的预测,构建了一个基于灾变灰预测的电力峰谷差异常的预测模型,并结合实例说明了此模型的可行性和有效性.     

基于灰色灾变模型的通货紧缩预测

针对未来期间通货紧缩是否存在的分歧以及通货紧缩可能存在的危害性,利用灰色灾变预测模型结合中国通货紧缩的小样本数据,预测未来通货紧缩发生的日期,预测结果显示通货紧缩约在2020年前后出现,预测结果一方面意味着当前应该审慎选择货币政策和财政政策,另一方面在2020年前后应该积极调整货币政策和财政政策,避免通货紧缩的出现可能给经济运行带来的负面性影响.     

马尔可夫链模型在灾变预测中的应用

利用马尔可夫链模型的原理预测灾变，以郑州市旱涝等级的预测作为实例，介绍了使用这种模型的方法与步骤，预测结果表明，利用马尔可夫链模型预测灾变是可行的。     

基于灰关联分析的雇员绩效评价模型及应用研究

针对绩效考核的复杂性和现有绩效评价方法的局限,建立了一个基于灰关联分析的雇员绩效评价模型.其特点一是可以判断员工实际绩效与理想绩效之间的差距;二是可用于同时对多个员工绩效实施评价;三是能够向被评价对象提供有效的反馈信息.将此模型应用于某企业员工的绩效考评,取得了较好的应用效果.     

销售量预测的REM-GM(1,1)模型及群预测方法研究

库存管理是商业企业经营管理的重要组成部分,其管理应以销售出库量为主要依据,而客户需求的不确定性一直是困扰管理者的首要难题.提出在灰色GM(1,1)模型的基础上,结合残差时刻的灰灾变预测,建立了REM-GM(1,1)模型,并采用群预测的方法,对商业企业中的销售出库量进行了预测.经实证结果检验,表明该模型对商业企业的销售出库量的预测不论是单步预测还是多步远期预测,其预测精度与传统GM模型相比均有较大提高,且误差的波动较为稳定,其预测的结果是令人满意的.     

基于区间变量RF算法的青海省电力公司员工离职预测

在电力体制改革全面深化的背景下,我国西部偏远地区的电力企业面临较为严重的人员流失问题。员工离职预测越来越受到电力企业关注,然而传统预测算法无法有效解决电力企业员工离职数据集的不平衡问题。基于此,本文提出一种基于区间变量的随机森林算法,采用青海省电力公司2009～2017年人力资源数据集进行实证分析,并与决策树、支持向量机、随机森林算法的预测效果进行对比。结果表明,该算法更适合解决数据不平衡问题,具有更高的预测精度;同时分析得到员工离职的重要特征,为相关电力企业人力资源管理提供决策依据。     

基于区间灰数DGM(1,1)模型的客运交通量预测

科学的预测客运交通量对于我国交通运输业发展具有重要的现实意义.为了提高客运量预测的精度,本文应用区间灰数DGM(1,1)模型对1995—2002年全国客运交通量进行模拟和预测,得到了预测精度较高的结果,这为客运交通量的预测提供了一种简单而可靠的新途径.     

基于灰模型的区间模糊数时间序列预测

研究了基于灰模型的二元区间和三角模糊数时间序列的预测方法.目前以GM(1,1)模型为代表的灰色预测模型只适用于精确数序列.改进了GM(1,1)模型的定义型方程中的参数形式,使方程能适用于几类常见区间模糊数序列.接着,基于区间模糊数的计算准则,分别具体给出了二元和三角模糊数GM(1,1)模型(BIFGM(1,1)和TFGM(1,1))的预测过程.模型对于区间模糊数的界点序列的发展系数进行了加权平均处理,以此保证了区间模糊数序列发展态势的整体性.最后进行了实例应用,验证了模型的有效性.     

基于灰导数和预测系数的GM（1,1）优化模型

针对GM（1,1）模型的适用范围是近指数情况,提出了将优化灰导数与利用原始序列模拟的相对误差平方和最小估计预测系数c相结合的方法,从而得到一种简化计算的新GM（1,1）优化模型,该模型的预测公式x（0）（k）=ce-ak在形式上比较简洁,并且经严格指数序列从理论上验证了参数a具有白化指数律重合性,预测系数c具有白化系数重合性.     

基于预测精度的多目标组合预测优化模型研究

考虑了组合预测精度的数学期望和预测精度的标准差这两个指标 ,建立了多目标规划组合预测最优化模型 ,并给出其数学规划的解法 .最后进行实例分析 ,结果令人满意 .该模型能反映不同时间序列预测方法有效性     

基于系统冲击的灰色预测模型及其应用研究

针对系统受到系统外部冲击问题,结合泛函理论和灰色系统理论,建立了含有系统冲击泛函分析因子的灰色泛函预测模型。并运用贝叶斯网络推理技术,建立了系统冲击与系统控制的灰色贝叶斯网络推理预测模型。所建模型可以分析基于系统冲击演化的泛函分析因子的动态推演问题。依据泛函分析因子的变动,可以预测与修正系统发展趋势。案例分析了2013年房地产经济受到新政策的冲击问题。由于房地产经济受到新政策冲击,使经济发展态势发生转变。根据房地产经济的当前时段信息,利用灰色贝叶斯网络推理预测模型对历史趋势进行修正,预测结果与实际数值仅有3.81%的偏离,预测结果较其它现有模型的预测结果精确。灰色贝叶斯网络推理模型强调对近期数据的开发利用,适用于预测系统近期受到外部冲击的发展趋势问题。     

基于灰色预测模型的广州港货运发展研究

新冠肺炎疫情对广州港的货运发展产生了一定程度的影响,但目前仍然缺少相关的定量研究.基于灰色预测模型,利用港口货物吞吐量、外贸货物吞吐量、集装箱吞吐量三个货运指标,在新冠肺炎疫情没发生的这一假设下,推测2020年1-8月广州港的各货运发展指标值.基于预测值与实际值的比较,定量研究广州港的货运发展受新冠肺炎的影响值,反映新...     

高速公路交通事故灰色Verhulst预测模型

在分析我国高速公路交通事故历史数据的基础上,引入灰色Verhulst预测理论,建立了高速公路交通事故灰色Verhulst预测模型.通过对2000～2007年我国高速公路交通事故死亡人数进行实例分析,发现灰色Verhulst模型的预测精度高于GM(1,1)模型.结果表明,灰色Verhulst模型的预测结果较好的反映了高速公路交通事故的发展趋势,该模型用于高速公路交通事故预测是可行的.     

基于灰色预测模型的2008北京旅游人口预测分析

在分析北京市统计局2001至2006年入境旅游人口以及国内旅游人口统计数据的基础上,为研究每年同期旅游人数的变化规律,构造以每年3至12月的数据为分量的年数据向量.应用基于双谐样条插值算法对原异常数据进行处理,采用灰色预测模型及回归模型对2008北京旅游人口进行预测分析,得出2008年每月来京旅游人口数量,为政府制定人口相关政策提供参考.     

基于白化权函数的区间灰数预测模型

针对传统灰色预测模型无法进行白化权函数已知的区间灰数预测的缺陷,通过先将区间灰数进行标准化处理,分解成实数形式的"白部"和"灰部",然后分别对"白部"和"灰部"序列进行预测.再将已知的白化权函数映射为[0,1]区间上的函数,并用函数的面积和重心估计出预测值的白化权函数.模型不仅能解决典型白化权函数的类型,还能解决三角白化权函数的情况,且建模机理简单,计算简便.最后,将模型应用于黄河宁蒙河段巴彦高勒站的凌期日均流量的预测,验证了新模型的有效性及实用性.     

公共聚集场所特大火灾的灰色拓扑预测模型

根据1991年至2006年间中国公共聚集场所火灾统计资料,针对公共聚集场所特大火灾影响因子的不确定性和数据的波动性,运用灰色拓扑预测方法探讨了公共聚集场所特大火灾发生的规律,并建立灰色拓扑预测模型,预测未来5年内火灾发生情况.结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准.因此采用灰色拓扑预测模型对中国公共聚集场所特大火灾发生情况进行预测结果比较可靠,可供消防部门参考.     

基于标准区间灰数的发展带离散DDGM预测模型

由于区间灰数运算体系尚不完善,灰数间的代数运算将导致结果灰度增加,难以有效构建基于"区间灰数"的灰色发展带预测模型.对此,通过将区间灰数进行标准化处理,分解成基于实数形式的"白部"和"灰部"两个部分;然后分别对"白部"和"灰部"建立发展带预测模型,再推导并还原得到区间灰数的发展带预测模型;最后,将模型用于摆动幅度大且整体趋势增长的区间灰数在未来时刻的预测,预测效果验证了所提出模型的有效性.     

基于灰色理论的股市GM(1,1)预测模型

将 GM(1 ,1 )灰色预测模型应用于股价的预测 ,并且对其它的技术分析方法作了有益的补充 .