一、一种改进的模糊变权重组合预测方法(论文文献综述)
张杨瑨[1](2019)在《基于混合指标的组合预测模型及其在中国能源消费总量预测中的应用》文中进行了进一步梳理建立符合经济预测实际的组合预测模型至关重要。自Bates and Granger(1969)于上世纪60年代末提出组合预测方法以来,组合预测便成为经济学、管理学的研究热点之一。然而,传统的组合预测模型通常仅仅依据某些特定的准则建立,却忽略了经济预测的自身特点以及经济预测的实际需要:大部分组合预测模型也只将单一准则作为优化目标,没能将不同准则结合起来综合考虑。此外,各单项预测方法的预测效果常表现出“时好时坏”的特点。因此,如何依据经济预测的特点,建立有针对性的、符合经济预测实际的组合预测模型,具有较为重要的理论和现实意义。在经济预测中,常常需要在提高预测精度的同时,对最大预测误差进行合理控制,因此,本文在现有成果的基础上,首先通过将误差平方和、最大误差绝对值两种误差指标综合考虑,建立了一种改进的基于混合指标的变权组合预测模型,并研究了这一模型的基本性质和求解方法。其次,本文利用上述改进的变权组合预测模型,根据中国1978—2017年能源消费总量数据,对中国能源消费总量进行了组合预测,实证结果表明:(1)这一组合预测模型能够有效减小预测误差,降低和分散单一预测方法的预测风险;(2)组合预测模型同样具有较高的样本外预测精度。综上,本文从实证的角度,验证了基于混合指标的组合预测模型对中国能源消费总量预测的有效性。
李冠南,单汨源[2](2013)在《自适应遗传算法优化模糊变权重的复杂系统时间序列组合预测方法》文中进行了进一步梳理针对复杂系统时间序列预测精度不高问题,将复杂系统时间序列组合预测模型的权系数视为模糊数,以模糊区间的大小作为模糊变权重复杂系统时间序列组合预测模型目标函数,利用自适应遗传算法优化复杂系统时间序列组合预测模型目标函数的权重系数,建立基于遗传算法优化模糊变权重的复杂系统时间序列组合预测方法。仿真结果表明:此模糊自适应变权重非线性组合预测模型的精度较高,并且平均误差和预测平方根误差均较小;所提出的基于遗传算法优化模糊变权重组合预测模型的最大相对误差为2.89%,小于各预测模型中最小的最大相对误差3.24%,且平均误差和平方根误差均较小。
李运田,吴琼,郑献卫[3](2013)在《一种优化的模糊变权重组合预测在沪深300中的应用与研究》文中研究指明沪深300指数是沪深证券交易所联合发布的反映A股市场整体走势的指数。对沪深300指数的分析与研究可以帮助我们了解市场走势,同时也十分有利于投资者全面把握中国股票市场总体运行状况。针对股票市场的高度非线性与复杂性,本文首先利用霍尔特指数平滑法(Holt)和最小二乘支持向量机(LSSVM)模型对沪深300指数进行预测,然后提出一种基于Holt与LSSVM的模糊变权重模型进行预测,取得了令人满意的效果。在设计过程中,我们利用R语言作为模型拟合与预测的软件,R语言是一款免费的良好的数据处理软件。
李冠南[4](2014)在《长株潭一体化城市人口可持续发展机理及其智能预测研究》文中研究指明长株潭一体化城市是我国实施“中部崛起”战略的重要目标和内容。近年来,由于急剧增长的人口与有限的环境空间之间的矛盾日益尖锐,使长株潭一体化城市人口可持续协调发展出现问题,并影响中部地区城市总体规划和城市可持续发展。目前,国内外已经在人口预测方面做了一些研究,但对长株潭一体化城市人口发展机理和预测研究才刚起步,还没有一个完整有效的理论和方法。为此,本文以国家自然科学基金项目[70971036]为依托,针对长株潭一体化城市人口发展机理,考虑城市资源与环境容量对人口承载能力的影响,进行长株潭一体化城市人口迁移动力机制和人口预测研究,加强中部地区城市人口规模预测的准确性。论文的主要工作和创新点如下:(1)利用熵变理论对长株潭一体化城市人口迁移动力机制进行了分析,结果表明,技术创新、制度创新、管理创新以及知识创新可在较大程度上增强长株潭一体化城市人口迁移的主动力以及从动力。(2)从生态环境系统对人口容量承受能力的角度对长株潭一体化城市人口系统综合影响熵效应进行了分析,并采用函数链神经网络方法对长株潭一体化城市人口容量生态环境综合影响熵效应系数进行了辨识仿真,其仿真结果具有较高的可信度。(3)建立了基于自适应遗传算法优化模糊变权重的复杂系统时间序列组合预测模型,对该预测模型进行了仿真分析,结果表明,该预测模型建模数据少,预测结果精度较高,其预测结果与《长株潭城市群区域规划(2004~2020)》中的数据一致。
段育丰[5](2012)在《电力系统负荷特性指标和负荷预测的研究及软件开发》文中研究表明本文所研究的内容是山西省电力公司某科技项目的主要内容之一,是针对提高电力生产及电网运行安全性、经济性以及合理安排电网建设提出的。在电力企业迅速发展的今天,对负荷特性指标的计算分析对电力系统稳定运行和经济生产具有重要意义;在负荷特性指标计算分析的基础上,对中长期负荷进行准确的预测对于电力系统发展的整体规划具有重要指导意义。首先,论文对负荷特性指标进行了系统的分析和研究,然后以Visual Basic和Access为平台,编制了一套负荷特性指标分析计算软件。其中,用Visual Basic完成前端的人机交互界面,用Access来管理计算过程中用到的大量负荷数据(本文采用一天24个整点的负荷数据)。通过对山西某市2010年负荷特性指标的计算及其负荷特性曲线的绘制表明该软件人机界面友好、使用方便。第二,针对中长期负荷预测中所使用的历史数据量较少,而少量数据甚至是单个数据是否准确会对预测结果产生较大影响的特点,论文对中长期负荷预测使用的原始数据进行预处理研究,充分利用广义回归(Generalized Regression)神经网络强大的逼近能力和快速的学习能力,将该方法应用到中长期负荷预测数据预处理中,且将其编制成软件,使Visual Basic和MATLAB实现无缝连接。软件应用实例表明,比起传统的数据处理方法,神经网络补全的数据精度更高。第三,论文针对中长期负荷预测影响因素较多(如经济、政策因素等),使得中长期负荷预测具有很大不确定性的特点,对考虑不确定性因素影响的不确定性模型进行了深入研究。用盲数理论改进经典的比例系数法和回归分析法,并且用基于盲数理论的不确定性模型对2010年负荷进行了预测,其相对误差为3.23%,较确定性模型有明显的提高。本文还对GM(1,1)模型及其各种改进模型进行了研究,本文还将传统方法,灰色理论以及基于盲数理论的不确定性模型编制成了一套分为年度、季度、月度负荷预测软件的软件包。最后,论文在中长期负荷预测的基础上,在VB平台上将等权平均组合预测模型和方差—协方差组合预测模型编制成为简单实用的软件,同时对模糊变权重在中长期负荷组合预测中的应用进行了深入的研究。应用实例表明,模糊变权重组合预测精度比传统组合预测有更高的精度。论文重点是开发了负荷特性指标计算分析软件和中长期负荷预测软件。所开发的软件已通过鉴定并且在某市电力公司得到了实践应用。实际应用表明,这两套软件界面友好,且实用性强、操作简便。
曹成涛[6](2012)在《关联交叉口交通流模糊变权重组合预测方法》文中研究表明针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法。先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重。试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8%、4.63%和0.99。
孙广强,姚建刚,谢宇翔,卜虎正[7](2009)在《基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测》文中认为针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,文中提出一种基于新鲜度函数和预测有效度的模糊自适应变权重组合预测模型,并应用到中长期电力负荷组合预测中。利用预测有效度进行模型筛选,利用新鲜度函数体现预测中的"近大远小"原则,利用滚动时间域窗口的方法实现变权。算例表明,文中提出的组合预测模型预测精度较高,实用性强。
张亚军[8](2007)在《变权系数组合预测模型在电力系统负荷预测中的应用研究》文中研究表明电力系统负荷预测是电力系统规划与运行的基础,是电力市场运作中的重要组成部分。在电力市场化过程中,负荷预测的精度直接关系到各方利益。目前,负荷预测的模型很多,单项模型不能完全反映电力负荷的变化规律和信息,负荷组合预测模型成为研究新发展。本文通过对电力负荷预测内涵、特点和常用的几种负荷预测方法进行了详细的介绍,论述了组合预测的概念和意义,引入了定权组合预测模型,介绍了几种常见的定权模型确定权系数的方法,并对定权组合预测模型进行了仿真,验证了组合预测模型相对单项模型的优越性。另外,本文重点讨论了三种变权组合预测模型,即基于神经网络的组合预测模型、基于支持向量机的组合预测模型以及模糊变权重组合预测模型,并对各种变权重组合预测模型进行了仿真研究,验证了变权组合预测模型的优越性。本文提出了一种提高神经网络预测可靠性的新方法,将目前常用的三种神经网络的预测结果进行变权组合,可以避免单个神经网络出现“过拟合”现象等问题时预测精度大幅度降低的风险,提高了预测的可靠性。为提高负荷预测精度,本文给出了一种五层模糊神经网络的变权组合预测模型,模糊神经网络的输入为误差和误差变化率,输出为权重系数。该模型将模糊逻辑和神经网络的长处融合在一起,使模糊推理和解模糊均通过神经网络来实现。仿真结果表明此模型比模糊变权重组合预测模型具有更高的预测精度。针对神经网络在输入变量选择问题上存在的缺陷,本文提出不考虑影响负荷的所有因素,仅用混沌理论处理后的负荷样本作为神经网络的输入。但是这种不考虑影响因素的方法不能明显提高预测精度,因此本文引入一种只考虑影响因素的样本处理方法,将这两种方法的预测结果进行组合预测。仿真结果表明将这两种方法组合是可行的和有效的。
李春生[9](2002)在《模糊变权重组合预测方法的研究》文中指出本文主要研究变权重组合预测方法,改进了一个模糊变权重组合预测方法(FVW法),给出了一个预测有效性的评价方法,该方法不仅能算出预测方法在一段时期内、平均的、全面的误差,还能深入地分析导致误差的各种原因。 全文分三部分:第一章,文献综述,介绍了预测学的基本概念、组合预测的发展现状和存在的问题、以及组合预测的最新理论成果;第二章,模糊变权重组合预测模型的研究,综合了国内外近期文献,在以下三方面做了一点尝试性的工作:其一,本文提出了一个从单个预测模型的选择到组合预测模型群的筛选方案,形成了一个完整而又系统的选模系统;其二,改进了文献提出的模糊变权重组合预测方法(FVW方法);其三,运用概率论、灰色系统理论,提出了一个全面、系统、方便可行的预测模型评价系统,其中的灰色关联误差分析法,对导致组合预测误差的各种原因进行了深人的分析,这是本文在组合预测模型评价方面的首创;第三章,应用,以某城市月商品零售总额为预测对象,用本文改进了的FVW法对其进行仿真模拟,并与参与组合预测的几种方法和文献提出的FVW法进行了比较,结果表明,本文建立的预测模型更符合实际,在一定程度上更能反映事物的发展规律。
韩晓露[10](2021)在《大数据环境网络安全态势感知关键技术研究》文中研究表明信息网络的迅猛发展带来网络数据量的爆炸性增长。大数据环境由于数据海量、种类繁多且快速变化,如何快速准确地获取网络安全信息,提取有效特征评估和预测网络安全态势,增强网络安全主动防御能力受到了大量研究者的关注,用网络安全态势感知技术提高大数据环境网络安全态势评估和预测的及时性和准确性迅速成为学术界的研究热点。本文针对大数据环境网络安全态势感知关键技术进行深入研究,着重研究了大数据环境下网络攻击特征提取方法、网络攻击检测方法、网络安全态势评估方法、网络安全态势预测方法等,论文主要研究工作及创新点如下:1.针对高维数据规模大、属性多、具有非线性特征,存在大量噪声数据,给数据分析的准确性和运行效率带来严重影响,可能导致维数灾难的问题,提出组合核稀疏自编码器的特征提取方法。通过构造组合核函数,采用稀疏自编码器对数据特征进行重构,并用自适应遗传算法优化求解,从而获取降维特征矩阵。该方法有效解决了大数据环境下非线性特征的网络安全数据降维问题,避免了维数灾难,提高了对高维网络安全数据的处理效果和计算效率。基于物联网gafgyt僵尸网络攻击数据集的仿真实验表明,本文特征提取方法识别率明显高于传统特征提取算法且具有较好的计算效率。2.针对非平衡大数据分类存在较大的复杂性和计算量,对先验知识依赖程度高,分类性能有待提高的问题,提出基于迁移学习的卷积神经网络分类与检测方法。通过引入迁移学习,有效地解决了大数据环境下高维复杂数据特征提取知识获取和训练效率问题,并通过共轭梯度下降算法优化的神经网络性能,同时通过改进的KNN分类算法解决了数据类别不平衡导致分类精度不高的问题,提高了分类计算效率和分类检测精度。仿真实验表明,本文方法分类检测性能明显高于传统机器学习方法和其他深度学习方法。3.针对大数据环境网络安全态势评估指标难以量化,评估依赖专家知识存在较多的不确定性问题,提出基于证据理论的网络安全态势评估方法。该方法通过建立一套多层次、多维度、可量化的网络安全态势评估指标体系,引入不确定性变量的期望偏差函数构建专家信度分配函数并优化专家信度,通过改进证据源距离的计算确定各证据可信度,采用基于局部冲突分配改进的证据合成公式解决证据之间的局部冲突,最终融合计算网络安全综合态势。本研究方法减少了大数据环境下网络安全态势评估中的不确定问题以及证据源信息冲突的问题,弱化人为因素对网络安全态势评估的影响,提高网络安全态势评估的准确性。基于互联网网络安全态势数据集的仿真实验表明,本研究方法比传统网络态势评估方法误差小,能够更准确地反映大数据环境下的网络安全态势情况。4.针对大数据环境下海量安全数据随时间变化快,历史数据不完整,无法实现全局网络安全态势实时、准确的预测,提出基于注意力机制的门控循环单元网络安全态势预测方法。该方法将直觉模糊化的网络安全态势历史时序数据值输入基于注意力机制的门控循环单元神经网络模型进行预测,并在动态优化环节采用LM(Levenberg-Marquardt)和粒子群组合的混合算法提高网络性能。该方法提高了网络安全态势预测的实时性和有效性,提高算法的收敛速度、预测精度,避免过拟合现象发生。基于互联网网络安全态势数据集的仿真实验表明,本研究方法比采用传统机器学习方法和其他深度学习方法预测误差小,具有更高的学习效率,更能快速、准确有效地预测出未来一段时间内的大数据环境下网络安全态势的变化趋势。
二、一种改进的模糊变权重组合预测方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种改进的模糊变权重组合预测方法(论文提纲范文)
(1)基于混合指标的组合预测模型及其在中国能源消费总量预测中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 文献综述 |
1.3 研究内容、方法和框架 |
1.4 论文主要创新点 |
第2章 组合预测预备知识 |
2.1 组合预测的概念与分类 |
2.2 基于误差指标的组合预测方法 |
2.3 IOWA算子和基于IOWA算子的组合预测模型 |
第3章 改进的基于混合指标的变权组合预测模型 |
3.1 引言 |
3.2 多目标规划模型的建立 |
3.3 基于混合指标的变权组合预测模型的求解 |
3.4 基于混合指标的变权组合预测模型的性质 |
第4章 中国能源消费总量单项预测方法 |
4.1 数据来源 |
4.2 四种能源消费总量单项预测方法 |
4.3 中国能源消费总量单项预测结果 |
4.4 本章小结 |
第5章 中国能源消费总量组合预测模型的有效性 |
5.1 模型预测效果评价指标体系 |
5.2 基于混合指标的中国能源消费总量组合预测模型 |
5.3 不同组合预测模型预测效果比较 |
5.4 基于混合指标的组合预测模型的有效性 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 主要结论 |
6.2 研究展望 |
参考文献 |
致谢 |
(3)一种优化的模糊变权重组合预测在沪深300中的应用与研究(论文提纲范文)
1 Holt指数平滑算法、LSSVM算法与模糊变权重组合模型 |
1.1 Holt指数平滑算法 |
1.2 LSSVM算法 |
1.3 模糊时变组合模型 |
2 模型建立 |
3 结束语 |
(4)长株潭一体化城市人口可持续发展机理及其智能预测研究(论文提纲范文)
摘要 |
Abstract |
目录 |
插图索引 |
附表索引 |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究现状 |
1.3.1 城市化过程人口迁移流动理论研究现状 |
1.3.2 人口容量国内外研究现状 |
1.3.3 熵理论产生及其发展 |
1.3.4 人口预测研究现状 |
1.4 我国长株潭一体化城市发展历史进程 |
1.4.1 我国长株潭一体化城市进程的历史阶段分析 |
1.4.2 我国长株潭一体化城市的现状 |
1.4.3 长株潭一体化城市人口可持续协调发展面临的挑战 |
1.5 研究方法 |
1.6 研究内容与基本框架 |
1.6.1 研究内容 |
1.6.2 基本框架 |
第2章 基于熵变理论的长株潭一体化城市人口迁移动力机制研究 |
2.1 城市化人口迁移动力机制概述 |
2.1.1 城市化人口迁移动力机制国外研究现状 |
2.1.2 城市化人口迁移动力机制国内研究现状 |
2.2 基于熵变理论的长株潭一体化城市人口迁移动力机制分析 |
2.2.1 长株潭一体化城市人口迁移的动力引擎 |
2.2.2 长株潭一体化城市人口迁移过程主动力分析 |
2.2.3 长株潭一体化城市人口迁移过程从动力分析 |
2.3 本章小结 |
第3章 长株潭一体化城市人口容量的熵分析方法 |
3.1 长株潭一体化城市人口系统综合影响熵效应 |
3.1.1 长株潭一体化城市人口容量影响的熵指标 |
3.1.2 长株潭一体化城市人口系统的生态环境综合影响熵增 |
3.2 基于函数链神经网络的长株潭一体化城市人口容量生态环境综合熵影响分析 |
3.2.1 函数链神经网络理论及结构 |
3.2.2 函数链神经网络预测模型建立 |
3.2.3 长株潭一体化城市人口容量生态环境综合影响熵效应系数辨识仿真 |
3.3 本章小结 |
第4章 长株潭一体化城市人口发展模糊变权组合预测 |
4.1 长株潭一体化城市人口发展预测的必要性 |
4.2 长株潭一体化城市人口模糊变权组合预测模型 |
4.2.1 长株潭一体化城市人口模糊变权组合预测模型建立 |
4.2.2 模糊变权重的复杂系统时间序列组合预测模型权重参数确定 |
4.3 长株潭一体化城市人口模糊变权组合预测模型分析 |
4.3.1 遗传算法简介 |
4.3.2 基于遗传算法优化模糊变权重的复杂系统时间序列组合预测模型仿真分析 |
4.4 长株潭一体化城市人口模糊变权组合预测模型应用 |
4.5 本章小结 |
结论与展望 |
1.全文总结 |
2.工作展望 |
参考文献 |
致谢 |
附录A 攻读硕士学位期间发表的学术论文目录 |
(5)电力系统负荷特性指标和负荷预测的研究及软件开发(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 负荷特性指标计算分析及负荷预测的目的和意义 |
1.2 负荷特性指标计算分析及负荷预测的特点 |
1.3 负荷特性分析及负荷预测国内外研究动态及不足 |
1.3.1 国内外研究动态 |
1.3.2 目前存在的不足 |
1.4 论文的主要研究内容 |
第二章 负荷特性指标计算分析及其软件的研制与开发 |
2.1 负荷特性指标分析研究 |
2.2 负荷特性指标分析计算软件开发平台 |
2.2.1 软件开发平台研究 |
2.2.2 软件开发的关键技术及优势 |
2.3 负荷特性指标计算分析软件的研制与开发 |
2.3.1 日负荷特性指标计算分析软件的研制与开发 |
2.3.2 月负荷特性指标计算分析软件的研制与开发 |
2.3.3 年负荷特性计算分析软件的研制与开发 |
2.4 软件应用实例分析 |
2.5 本章小结 |
第三章 历史数据预处理 |
3.1 中长期负荷预测数据预处理的传统方法 |
3.2 神经网络在中长期负荷预测数据预处理中的应用 |
3.2.1 径向基函数(RBF)神经网络机理研究 |
3.2.2 广义回归(GRNN)神经网络机理研究 |
3.3 神经网络在中长期负荷数据预处理中的应用 |
3.4 中长期负荷预测数据预处理软件的研制与开发 |
3.4.1 数据预处理软件开发的关键技术 |
3.4.2 中长期负荷预测数据预处理软件的研制与开发 |
3.5 软件应用实例分析 |
3.6 本章小结 |
第四章 中长期负荷预测不确定性模型研究 |
4.1 中长期负荷预测的盲数模型研究 |
4.1.1 盲数理论机理研究 |
4.1.2 盲数理论应用于中长期负荷预测的可行性研究 |
4.2 基于盲数理论的中长期负荷预测模型的研究 |
4.2.1 基于盲数理论的比例系数模型 |
4.2.2 基于盲数理论的回归预测模型 |
4.3 灰色理论模型 |
4.3.1 灰色系统理论机理研究 |
4.3.2 灰色预测模型的改进 |
4.4 中长期负荷预测软件的研制与开发 |
4.4.1 年度负荷预测软件的研制与开发 |
4.4.2 季度负荷预测软件的研制与开发 |
4.4.3 月度负荷预测软件的研制与开发 |
4.5 软件应用实例分析 |
4.6 本章小结 |
第五章 组合预测模型研究 |
5.1 等权平均组合预测模型 |
5.2 方差—协方差组合预测模型 |
5.3 变权重组合预测模型的研究 |
5.3.1 模糊理论机理研究 |
5.3.2 模糊理论在组合预测变权重中的应用 |
5.4 组合预测软件的研制与开发 |
5.5 软件应用实例分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
附录1 攻读硕士学位期间发表的论文 |
(6)关联交叉口交通流模糊变权重组合预测方法(论文提纲范文)
0 引 言 |
1 交叉口关联性分析 |
2 组合预测模型结构 |
3 关联交叉口交通模糊组合预测模型 |
3.1 Kalman滤波交通流预测模型 |
3.2 SVM交通流预测模型 |
3.3 模糊智能组合预测模型 |
4 应用实例 |
1) 绝对误差 |
2) 平均绝对误差 |
3) 相关系数 |
5 结 论 |
(7)基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测(论文提纲范文)
0 引言 |
1 改进的模糊变权重组合预测方法的提出 |
1.1 传统的模糊变权重组合预测 |
1.2 改进的模糊变权重组合预测 |
2 基于预测有效度的改进模糊变权重中长期电力负荷组合预测 |
2.1 基于预测有效度的模型筛选 |
2.2 中长期电力负荷组合预测步骤 |
3 算例分析 |
4 结论 |
(8)变权系数组合预测模型在电力系统负荷预测中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 问题的提出 |
1.2 国内外研究现状分析 |
1.3 研究内容 |
第2章 电力负荷预测概述 |
2.1 负荷预测的概念 |
2.2 负荷预测的分类 |
2.3 负荷预测的作用和意义 |
2.4 负荷预测的特点 |
2.5 电力负荷的内部规律 |
2.6 本章小结 |
第3章 电力负荷预测常用方法分析 |
3.1 时间序列预测技术 |
3.1.1 时间序列的概念 |
3.1.2 时间序列的线性模型 |
3.1.3 时间序列模型预测步骤 |
3.2 灰色系统理论预测方法 |
3.2.1 灰色系统 |
3.2.2 灰色系统建模的机理 |
3.2.3 灰色系统五步建模思想 |
3.2.4 GM(1,1)模型 |
3.3 神经网络预测技术 |
3.3.1 神经网络方法的基本理论 |
3.3.2 神经网络算法比较 |
3.3.3 人工神经网络在电力负荷预测中的应用 |
3.3.4 人工神经网络还存在的问题 |
3.4 本章小结 |
第4章 电力负荷组合预测模型研究 |
4.1 组合预测的概念 |
4.2 组合预测的意义 |
4.3 定权组合预测模型研究 |
4.3.1 基于误差平方和最小的思想来确定权重系数 |
4.3.2 基于误差绝对值和最小准则来确定权重系数 |
4.3.3 根据离差平方和的大小来确定权重系数 |
4.4 运用组合预测模型应考虑的问题 |
4.5 本章小结 |
第5章 变权组合预测模型研究 |
5.1 调和平均组合预测模型 |
5.2 加权几何平均组合预测模型 |
5.3 基于人工神经网络的变权组合预测模型 |
5.3.1 神经网络组合预测模型 |
5.3.2 一种提高神经网络预测可靠性的新方法 |
5.3.3 算例分析 |
5.4 基于支持向量机的变权组合预测模型 |
5.4.1 基于 SVM的回归估计算法 |
5.4.2 回归估计函数表达式 |
5.4.3 基于 SVM的组合预测模型 |
5.4.4 算例分析 |
5.5 模糊变权重组合预测模型 |
5.5.1 FVW方法及其改进 |
5.5.2 模糊神经网络变权组合预测模型 |
5.5.3 模糊神经网络组合预测模型训练算法 |
5.5.4 算例分析 |
5.6 本章小结 |
第6章 两种样本预处理技术的组合预测模型 |
6.1 神经网络预测技术的缺陷 |
6.2 基于混沌理论的样本预处理方法 |
6.3 基于模式识别的样本预处理方法 |
6.3.1 影响短期负荷预测的主要因素 |
6.3.2 用模式识别选取负荷样本 |
6.4 两种神经网络样本预处理技术的组合预测模型 |
6.5 算例分析 |
6.6 本章小结 |
结论 |
致谢 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
(9)模糊变权重组合预测方法的研究(论文提纲范文)
中文摘要 |
英文摘要 |
第1章 文献综述 |
§1.1 预测概述 |
§1.2 组合预测方法的现状和发展 |
§1.3 最优组合预测方法的若干新成果 |
第2章 模糊变权重组合预测模型的建立 |
§2.1 预测对象分析 |
§2.2 预测模型的选择 |
§2.3 模糊变权重组合预测方法的研究 |
§2.4 预测有效性分析 |
第3章 应用 |
参考文献 |
致谢 |
(10)大数据环境网络安全态势感知关键技术研究(论文提纲范文)
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和论文选题意义 |
1.1.1 研究背景 |
1.1.2 论文选题意义 |
1.2 网络安全态势感知模型与研究方法现状 |
1.2.1 网络安全态势感知理论与模型 |
1.2.2 网络安全态势感知主要研究方法 |
1.3 大数据环境网络安全态势感知研究中的困难 |
1.4 论文的研究内容与结构 |
1.4.1 研究内容与创新点 |
1.4.2 研究结构 |
2 网络安全态势感知关键技术综述 |
2.1 网络安全态势感知技术概述 |
2.2 传统网络安全态势感知技术 |
2.2.1 网络安全态势特征提取技术 |
2.2.2 网络入侵检测技术 |
2.2.3 网络安全态势评估技术 |
2.2.4 网络安全态势预测技术 |
2.3 基于深度学习的网络安全态势感知技术 |
2.3.1 深度学习在网络安全态势感知技术中的研究与应用 |
2.3.2 自编码器 |
2.3.3 深度信念网络 |
2.3.4 卷积神经网络 |
2.3.5 循环神经网络 |
2.4 大数据环境网络安全态势感知关键技术研究解决的问题 |
2.5 本章小结 |
3 组合核稀疏自编码器的特征提取方法 |
3.1 引言 |
3.2 网络安全大数据降维模型 |
3.3 大数据环境下网络安全数据特征分析 |
3.4 基于组合核稀疏自编码器的特征提取方法 |
3.4.1 核函数及性质 |
3.4.2 稀疏自编码器网络 |
3.4.3 组合核稀疏自编码器数据特征提取方法流程 |
3.5 组合核稀疏自编码器数据特征提取算法步骤 |
3.6 实验与讨论 |
3.6.1 实验环境及实验数据 |
3.6.2 数据集结构构造 |
3.6.3 实验评价指标 |
3.6.4 实验结果分析 |
3.7 本章小结 |
4 基于迁移学习的卷积神经网络攻击分类与检测方法 |
4.1 引言 |
4.2 基于迁移学习的卷积神经网络分类与检测方法 |
4.2.1 基于迁移学习的卷积神经网络 |
4.2.2 基于迁移学习的卷积神经网络分类算法流程 |
4.2.3 基于迁移学习的卷积神经网络分类算法步骤 |
4.3 实验和讨论 |
4.3.1 实验数据集构造 |
4.3.2 实验评价指标 |
4.3.3 实验结果分析 |
4.4 本章小结 |
5 基于证据理论的网络安全态势评估方法 |
5.1 引言 |
5.2 基于证据理论的网络安全态势评估模型 |
5.3 大数据环境网络安全态势评估指标体系 |
5.3.1 大数据环境下的网络安全影响因素分析 |
5.3.2 大数据环境下的网络安全态势评估指标 |
5.4 基于证据理论的网络安全态势评估流程 |
5.5 基于证据理论的网络安全态势评估算法步骤 |
5.6 实验和讨论 |
5.6.1 实验环境 |
5.6.2 实验数据 |
5.6.3 网络安全态势评估实验结果讨论和比较 |
5.7 本章小结 |
6 基于注意力机制的门控循环单元网络安全态势预测方法 |
6.1 引言 |
6.2 直觉模糊集的定义与直觉模糊集的基本运算 |
6.3 基于注意力机制的门控循环单元网络安全态势预测模型 |
6.4 基于注意力机制的门控循环单元网络安全态势预测算法 |
6.4.1 基于注意力机制的门控循环单元网络安全态势预测流程 |
6.4.2 构造网络安全大数据特征数据直觉模糊集 |
6.4.3 基于注意力机制的门控循环单元网络安全态势预测步骤 |
6.5 实验和讨论 |
6.5.1 实验环境 |
6.5.2 实验数据 |
6.5.3 参数设置 |
6.5.4 实验和讨论 |
6.6 本章小结 |
7 结论 |
7.1 论文总结 |
7.2 研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
四、一种改进的模糊变权重组合预测方法(论文参考文献)
- [1]基于混合指标的组合预测模型及其在中国能源消费总量预测中的应用[D]. 张杨瑨. 厦门大学, 2019(08)
- [2]自适应遗传算法优化模糊变权重的复杂系统时间序列组合预测方法[J]. 李冠南,单汨源. 中南大学学报(自然科学版), 2013(11)
- [3]一种优化的模糊变权重组合预测在沪深300中的应用与研究[J]. 李运田,吴琼,郑献卫. 工业控制计算机, 2013(10)
- [4]长株潭一体化城市人口可持续发展机理及其智能预测研究[D]. 李冠南. 湖南大学, 2014(12)
- [5]电力系统负荷特性指标和负荷预测的研究及软件开发[D]. 段育丰. 太原理工大学, 2012(10)
- [6]关联交叉口交通流模糊变权重组合预测方法[J]. 曹成涛. 中国安全科学学报, 2012(02)
- [7]基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测[J]. 孙广强,姚建刚,谢宇翔,卜虎正. 电网技术, 2009(09)
- [8]变权系数组合预测模型在电力系统负荷预测中的应用研究[D]. 张亚军. 西南交通大学, 2007(04)
- [9]模糊变权重组合预测方法的研究[D]. 李春生. 中南大学, 2002(02)
- [10]大数据环境网络安全态势感知关键技术研究[D]. 韩晓露. 北京交通大学, 2021