参数优化变分模态分解与LSTM的电力物资需求预测

国家电网物资采购管理水平不断提高,线上采购流程逐步完善,但仍存在由于采购计划预估不准导致招投标过程中,供应商利用招投标总标包机制进行价格博弈而造成电网公司采购成本增加,因此,建立准确有效的电力物资需求预测模型具有重要意义。针对电力物资序列的非稳定性、波动性和间歇性特点,提出一种基于参数优化变分模态分解(variational mode decomposition, VMD)与长短时记忆神经网络(long short-term memory, LSTM)的电力物资需求预测方法,选取国网电商专区平台的典型电力物资,采用鲸鱼优化算法(whale optimization algorithm, WOA)参数优化的VMD对原始序列进行模态分解,将分解获得的各模态分量分别构建LSTM模型,最后将各模态的预测值叠加重构为电力物资的预测值。实验结果表明：所提电力物资需求预测方法较LSTM、EMD-LSTM、VMD-LSTM、PSO-VMD-LSTM、SSA-VMD-LSTM有更高的准确率,对电网物资采购预测具有一定实际意义。     

基于ARMA模型下的我国电力需求预测

根据历年电力消费量数据趋势图拟合出与之相似的指数回归曲线,然后对其残差序列利用时间序列进行分析和识别,建立起适合我国电力需求预测的指数回归-ARMA（1,1）模型．     

应急物资需求预测研究的现状分析

近年来世界地震灾害频发,影响日益严重,对物资运输的及时性和数量的准确性的要求,使得应急物资需求预测成为关键。本文从地震灾害应急物资研究现状、需求预测方法研究现状、事例推理方法研究现状三个方面对应急物资需求预测进行分析与总结。     

面向地震灾害的应急物资需求预测

科学、合理、准确地预测地震应急物资需求,能够为物资的筹集和调度提供快速决策的依据,从而提高地震灾害的应急救援效率.基于中国2008—2020年具有破坏性的地震灾害数据,运用回归分析研究与地震受灾人数相关的典型应急物资的需求量预测问题.通过假设检验和模型修正后,采用差值度量结果的四分位法对受灾人数预测结果进行调整,最后计算应急物资饮用水和衣服的需求量.实证结果表明,预测模型及结果具有一定的合理性和实用性.     

矩阵分解及其求逆矩阵

Ｄｏｏｌｉｔｔｌｅ对矩阵分解为在矩阵的各阶主子矩阵为非奇异的条件下，Ａ可唯一的分解为一个下三角分块矩阵与一个上三角分块矩阵和乘积形式。本文给出若矩阵Ａ的左上主子矩阵有一个ｒ阶主子矩阵为非奇异的，则Ａ可分解为一个下三角分块矩阵与一个上三角分块矩阵的乘积形式，并给出求逆的计算方法。     

应急物资需求预测研究现状与发展趋势

应急物资需求预测研究是灾后应急救援的重要组成部分。为系统了解应急物资需求预测的研究现状,查阅大量国内外参考文献,对目前应急物资需求预测研究中常用的案例推理法、神经网络法和灰色系统预测法进行了讨论分析,总结了各自的优缺点及适用条件;并分析总结了近几年的研究重点方向。结果表明,应急物资需求预测在多元化、准确性、智能化等方面的进一步研究对灾后救援有着更大的现实意义。基于此,本文对应急物资需求预测未来的发展方向及研究重点进行了展望,对于应急物资需求预测未来的研究及应急救援体系的建立具有一定的参考作用。     

需求预测应用方法研究——以电力需求预测为例

需求预测应用实施依然是按照跨行业标准数据挖掘流程开展,其不仅需要有对业务的洞察与业务数据的理解,也需要熟悉需求预测理论与工程应用,从而实现需求预测驱动业务规划与高效运营的作用。虽然需求预测在各行业中实际应用千差万别,但其中基本的应用步骤与实践理论大体一致。电力需求预测以其应用场景多、价值高,是需求预测研究应用的典型代表。该文通过研究需求预测理论及其在电力需求预测中的应用方法,梳理了需求预测中的关键步骤与常用方法,提供了需求预测在各行业中应用的基本思路。     

矩阵的PQ分解及线性方程组

给出了矩阵的一种三角分解法——PQ分解，并利用这种分解讨论了线性方程组Ax=6的解法，最后就对称正定矩阵的特殊情形给出了类似于Cholesky分解的平方根分解法。     

关于矩阵的LR和QR分解

本文利用矩阵的ＱＲ分解证明了Ｃ上的ｎ阶对角酉阵群和ｎ阶非奇异对角矩阵群的一个商群是同构的。并且利用矩阵的ＬＲ分解和ＱＲ分解，给出了某些运用。     

关于矩阵的分解形式

讨论了有关矩阵可表示为某些简单或特殊矩阵的和、积的形式。     

Equipment Maintenance Material Demand Forecasting Based on Gray-Markov Model

Maintenance material reserves must keep an appropriate scale,in order to meet the possible demand of support objectives.According to the sequence of maintenance material consumption,this paper establishes a Gray-Markov forecasting model by combining Gray system theory and Markov model. Few data are needed in the proposed Gray-Markov forecasting model which has high prediction precision by involving small parameters. The performance of Gray-Markov forecasting model was demonstrated using practical application and the model was proved to be a valid and accurate forecasting method. This Gray-Markov forecasting model can provide reference for making material demand plan and determining maintenance material reserves.     

基于最优组合预测法的电网用电量预测

西藏林芝电网电源单一,冬、春季拉闸限电局面日趋严重,为科学预测电网用电量,提出基于一元线性回归模型与灰色模型建立最优加权组合预测模型,应用最优模型对林芝电网2000～2007年电网用电量的历史数据进行拟合,对2008～2015年的用电量进行预测,通过实例分析表明最优组合预测结果更为精确,并预测出2015年电网用电量将达到1.68亿kW.h。     

基于CORDIC矩阵奇异值分解的FPGA实现

在矩阵的奇异值分解(singular value decomposition,SVD)过程中,随着矩阵维数的增加,SVD的计算量呈指数型增长,从而降低了算法运行的实时性。针对这个问题,基于Hestenes-Jacobi数值计算方法,提出了一种改进的基于坐标旋转数字计算机(coordinate rotation digital computer,CORDIC)的逻辑设计,该逻辑设计采用并行的全流水线设计思想,能够提高Jacobi平面旋转变换的运行速度,进而加快任意维矩阵奇异值分解的计算速度。分析了基于Hestenes-Jacobi方法的SVD的数值计算过程,介绍了CORDIC算法的基本原理,并具体说明了基于CORDIC算法的Jacobi平面旋转模块的设计,利用Verilog语言实现设计并验证,在现场可编程门阵列(field-programmable gate array,FPGA)上运行该逻辑设计单元,与Matlab软件的运行结果进行对比。实验测试结果表明,该结构能够减少计算时间,适应高速数据处理的要求。     

基于矩阵奇异值分解的证据冲突度量算法

针对证据理论中证据冲突度量这一关键问题,提出了基于矩阵奇异值分解的证据冲突度量算法.首先将证据的BPA向量投影到单位圆上,然后运用投影后证据向量的BPA矩阵和焦元关联矩阵构造归一化BPA矩阵,接着对其进行奇异值分解,最后根据奇异值定义证据的最大干扰分量与主分量,并将二者比值作为冲突度量.通过对Zadeh悖论扩展形式、完全冲突证据和焦元为嵌套子集等多种情况进行对比实验,验证了本文算法是较为理想的证据冲突度量方式,能够正确预测证据集的冲突程度.     

基于矩阵分解的降水时空插值方法

为了提高基于雨量站网观测值估算降水空间分布的精度,同时考虑降水的时序发展趋势和站点空间分布,将传统的插值方法(反距离权重法、普通克里金法)和Funk矩阵分解(Funk-SVD)模型结合,提出了一种基于矩阵分解的插值方法,并采用黄河流域小浪底到花园口区间2009-2012年多场降水的日观测数据进行了精度检验.结果表明,通...     

粉体材料颗粒堆积状态对收缩的影响

为提高粉体材料颗粒堆积状态,获得更佳工作性能,各研究人员致力于改善水泥颗粒粒径分布或掺加不同粒径粉体材料。本文通过对不同水泥品种、不同矿物掺合材进行堆积密度及流动度试验结合粉煤灰和硅粉化学收缩实验,从用水量及孔隙结构两方面阐明颗粒堆积状态对收缩的影响。     

基于非负矩阵分解和Normal_Matrix的肿瘤基因分类

文中提出了一种结合非负矩阵分解和Normal_Matrix谱分解技术的肿瘤基因分类方法.其分类过程首先是利用fdr_test记分准则粗略除去噪声基因以实现基因表达谱数据的初步降维,进而运用非负矩阵分解萃取基因间的综合属性,通过综合属性构造样本间的Normal_Matrix并对其进行奇异值分解获取表征样本类别属性的谱分量实现肿瘤类型的分类识别.采用三组具有代表性的肿瘤基因表达谱数据进行实验,通过与其他方法的对比,其结果证明了文中方法的可行性和有效性.     

基于矩阵分解的有限几何LDPC码的研究

随机构造的LDPC（low density parity check codes）码长的增加,所需存储空间过大,编码复杂度过高.针对该问题,研究了具有代数结构的有限几何LDPC码.基于有限域几何空间的点和线来构造校验矩阵,并通过矩阵行列分解得到不同码率、码长的非规则QC-LDPC码.该类LDPC码是准循环码,其编码复杂度与码长成线性关系,对应的Tanner图没有4环存在.仿真结果表明：MSK调制、AWGN信道条件下,该类码与类似参数的随机码相比较,当信道误码率为10-6时,译码增益约为0.05～0.15dB.     

基于可限加分解阵的三值ECL电路设计算法

在介绍函数的矩阵表示形式、凸性及非凸性函数、可限加分解阵等的基础上,提出了可限加分解阵的求取方法和挑选可限加分解阵的算法,将所得到的可限加分解阵进行取小运算就可以得到函数的矩阵表示。随后以3变量模3加电路设计为例,阐述了该方法和步骤的具体过程。设计结果表明了该方法和步骤的有效性和可操作性。     

基于模糊竞争学习和UD分解的模糊建模

为解决复杂系统模糊建模问题,研究了利用模糊竞争学习实现非线性系统的模糊建模方法.首先,利用模糊竞争学习方法划分输入变量的模糊输入空间,确定模糊模型的规则数、规则,实现模糊模型的结构优化.另外,为了克服递推最小二乘出现的误差积累、传递现象,采用基于矩阵UD分解的递推最小二乘方法确定模糊模型的结论参数,从而实现模糊模型的结构和参数优化.采用该方法对M ackey-G lass混沌时间序列进行建模研究,结果表明可以在线或者离线对M ackey-G lass混沌时间序列进行准确预测,效果较好.