搜索结果: 1-7 共查到“知识库 未来学 预测”相关记录7条 . 查询时间(0.372 秒)
本文基于分解-重构-集成的思想,构建了一个多尺度组合预测模型,选取小麦作为粮食的代表,预测其价格走势。首先,运用集合经验模态分解方法(EEMD)分解价格序列,然后,用灰色关联分析方法对分量序列进行重构,重构为高频、中频、低频和趋势项四个部分,并从不规则因素、季节因素、重大事件和世界经济水平等方面对这四个部分波动特点进行解释,针对不同特点的分量选择不同的方法进行预测,最后对各预测结果用支持向量机集成...
光伏发电功率的预测是光伏发电规划和运行的基础,因而受到越来越多的重视。文中提出了FCM相似日聚类与智能算法相结合的光伏阵列功率短期预测模型。该方法的思路是首先通过分析影响光伏阵列输出功率的主要因素,对历史数据与预测日气象环境进行模糊分类,并筛选出相似度高的子集作为样本,以提高预测样本的质量;然后通过神经网络映射出特征空间与光伏功率之间的复杂关系,并用贝叶斯理论对神经网络参数进行优化,提高网络的泛化...
由于数据变化规律的多样性,中期电力负荷的波动有着不同于短期、长期负荷的特点。基于电力系统复杂性的研究视角,重点讨论了中期负荷预测过程中模型的不确定性、参数的时变特性以及负荷波动的周期性规律。根据中期负荷的数据特性,建立了基于非参数修匀的半参数模型,定义了函数区间的划分粒度以及模型权重的求解方法,提出了基于可变区间权重的动态预测方法,给出了基于经验模态分解和波动能量分析的噪声序列提取、检验方法。试验...
针对风速序列随时间、空间呈现非平稳性变化的特征，提出一种基于经验模态分解(empirical mode decomposition，EMD)和支持向量机(support vector machine，SVM)的EMD-SVM短期风电功率组合预测方法。该方法首先利用EMD将风速序列分解为一系列相对平稳的分量，以减少不同特征信息间的相互影响；然后利用SVM法对各分量建立预测模型，针对各序列自身特点选择...
一个包含外强迫因子的非平稳时间序列的预测方法
外强迫 非平稳系统 气候预测 时间序列预测
2013/8/28
气候系统所具有的非平稳性质已经得到越来越多的气象学家的认同. 事实上, 产生非平稳行为的根本原因在于作用在系统上的外部强迫是随时间而变化的. 鉴于此, 本文提出了一个新的非线性和非平稳时间序列的预测方法. 与以往的某些方法最大的不同在于:在建模过程中, 外强迫因子直接参与了预测方程的构建. 还利用时变控制参数条件下,Logistic 映射和Lorenz 方程产生的非平稳时间序列, 对上述方法进行了...
我国R&D经费的预测
R&D 经费 预测
2008/8/7
党的十六大报告明确提出了全面建设小康社会，到 2020 年实现 GDP 翻两番的奋斗目标。实现这一目标，需要发挥科学技术第一生产力的作用，实施“科教兴国”战略，为经济持续、稳定发展提供支撑。今后 15 年，作为国际通用的评价指标——国家研究与发展（ R&D ）经费及其与 GDP 的比值会有多大，将是什么样的增长趋势，需要进行科学的分析和预测。
一、我国 R&D 经费的现状
预测应...