在该模型中对传统的GM(1,1)模型的初值进行改进,以累加序列的最后一个点为基础,并在此之上乘以一个信息增益或缩减的因子变量作为新的初值条件。同时采用最小一乘准则代替最小二乘准则进行参数寻优,克服存在奇异点时引起的误差扩大情况。然后,通过时变权重的粒子群优化算法对模型的参数进行寻优。最后使用该模型对我国全社会年度用电量进行预测分析,结果显示该模型的预测精度较传统模型要高。(3)对于中期多因素电力需求预测问题,考虑与电力需求相关的经济、预测研究-电动折弯机张家港滚圆机价格低数控滚圆机滚弧机多少钱环境等影响因素,并利用这些相关影响因素及历史电力需求数据分别构建时变权重的粒子群参数优化PSO-CV-SVR模型和基于最小一乘准则的遗传参数优化GA-SVR模型对江苏省月度全社会用电量进行预测研究,实例结果显示这两个模型的预测精度均比BP-神经网络模型要高。 本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name(4)对于中期多因素条件下的电力需求的区间预测问题,提出了一种WMC-GS-CV-SVR的概率区间优化预测模型。在该模型中,首先通过网络搜索交叉验证(GS-CV)思想对SVR模型进行参数寻优,然后利用GS-CV-SVR模型进行一步预测。接着利用加权马尔可夫链原理根据预测的偏差进行模型修正,将点预测转化为区间预测,给出了未来预测区间的概率分布,使决策者能够了解未来电力需求的高估或者低估的概率信息。最后根据区间概率分布信息使用期望预测法给出了电力需求的预测值,通过江苏省月度全社会用电量的实例结果表明该方法的预测精度也较高预测研究-电动折弯机张家港滚圆机价格低数控滚圆机滚弧机多少钱 本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name