导读:本文包含了预测修正论文开题报告文献综述及选题提纲参考文献,主要关键词:残差修正,灰色预测,GM(1,1)模型
预测修正论文文献综述
邢晏,冯长焕[1](2019)在《基于GM(1,1)模型残差修正的经济预测》一文中研究指出为提高我国国内生产总值GDP总量预测精度,更好地为宏观经济政策提供参考信息,在传统灰色GM(1,1)预测模型的基础上,进行残差修正,建立GM(1,1)残差改进模型。经过实证分析,结果表明:GM(1,1)残差改进模型具有较好的可行性与精确性。(本文来源于《渭南师范学院学报》期刊2019年11期)
周展,王文强[2](2019)在《我国铁路客运量短期预测模型修正及比较》一文中研究指出文章针对我国铁路客运量进行短期预测,首先分析现有常见预测模型的优点与不足,然后试图通过构造新的组合或修正模型,从而实现提高预测精度。在构建年度数据组合模型时,发现以偏最小二乘回归、主成分回归和岭回归为基础进行组合时,预测精度达到了最优;在构建季度数据模型时,首先通过修正的时间序列分解法与季节周期回归模型显着地提高了预测精度,然后以这两个模型为基础构造组合模型,预测精度进一步得到提高。(本文来源于《统计与决策》期刊2019年21期)
孙建,王旭春,杨怀远,胡瑞[3](2019)在《上软下硬地层下盾构法施工的Peck预测公式修正》一文中研究指出以青岛地铁一号线某区间地表沉降实测数据为基础,采用回归分析方法并引入最大地表沉降修正系数、沉降槽宽度修正系数对Peck预测公式进行修正,得出适用于该区间上软下硬地层盾构法施工的Peck预测公式,研究表明:对该区间进行回归分析得到的沉降规律与实测数据较吻合,说明采用线性回归方法能较好预测该区间盾构隧道施工引起的地表沉降规律,当α在0.2~0.5区间,β在0.9~1.3区间时,所得到的修正Peck预测公式可以较准确预测该区间盾构隧道施工引起的地表沉降。(本文来源于《低温建筑技术》期刊2019年10期)
龙恩深,毛宁,梁伟杰,丁佩,邹航[4](2019)在《考虑织物浸湿热阻变化的预测热应激模型修正与对比分析》一文中研究指出原预测热应激模型(Predicted Heat Stain,PHS)未考虑服装织物被汗液浸湿后传热性能的动态变化特性,为提高PHS模型对高温作业人员热安全极限的预测准确性,提出了一个PHS织物浸湿热阻修正模型。基于4种服装常见织物在不同含水率下的实测浸湿热阻变化,动态修正原PHS模型服装热阻的计算部分,在设计工况下,预测模拟了2种服装厚度下人员的皮肤温度、核心温度等主要生理热应激参数的变化,并结合已有人体实测数据和原PHS模型预测值,对PHS修正模型的预测结果进行验证和对比分析。结果表明:服装织物含水率越大,其热阻越小;环境参数一定时,修正模型的模拟结果比原模型的模拟结果更接近人体的实测数据;针对2种服装厚度,修正模型对着较薄服装人员的热应激参数预测更为准确。该修正模型有效提高了原PHS模型的预测可靠性,可为高温作业的人员热极限评估及生产组织调整提供数据参考和支持。(本文来源于《安全与环境学报》期刊2019年05期)
付川,刘刚,赵忠德,郝迎鹏,刘四洋[5](2019)在《基于残差修正的冬季天然气日负荷预测模型》一文中研究指出在考虑冬季天然气相邻日负荷进行连续多日负荷预测时,由于模型本身误差及气象预报误差的存在,将在迭代预测中产生误差累积,造成预测精度降低。基于小波神经网络(WNN)建立初步日负荷预测模型,以温度为标准将数据集分为"日常温度"和"极端温度",分别引入BP神经网络,作为残差修正模型以降低误差累积对连续多日负荷预测的影响,建立适用于北京供暖季天然气负荷短期预测模型。实验结果表明,经残差修正后北京市的天然气日负荷预测平均绝对误差由5.21%降低至2.98%,取得较好的预测效果。通过对比分析,残差修正网络能有效修正极端气象条件负荷预测值以降低连续多日负荷预测中的误差累积现象,从而提升模型整体精度,对商业天然气日负荷预测具有较高应用价值。(本文来源于《油气田地面工程》期刊2019年10期)
李小雨,肖汉,李嘉逸[6](2019)在《使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究》一文中研究指出电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。(本文来源于《四川电力技术》期刊2019年05期)
杨航,王忠宇,邹亚杰,吴兵[7](2019)在《基于二次修正的短时行程时间预测模型》一文中研究指出为了提高高速公路短时行程时间预测模型的精度和鲁棒性,同时缓解过度训练带来的过拟合效应,构建了基于小波神经网络和马尔可夫链的组合预测模型,并采用平均绝对误差、平均绝对百分比误差、均方根误差叁个指标评价模型的预测效果.分析结果表明,在行程时间突变之后,组合预测模型较其他模型都有着更高的预测精度;同时,该模型在预测行程时间突变点时不存在延迟,说明其在高峰时段内有着更高的预测精度和更强的预测鲁棒性.(本文来源于《同济大学学报(自然科学版)》期刊2019年10期)
张贝贝,李静文,刘霞,杨亚楠[8](2019)在《基于组合残差修正的预测方法及实证》一文中研究指出为了提高预测精度,文章构建了组合残差修正模型,通过组合矫正残差来优化模型的预测能力。考虑到单项预测方法不同时点预测精度"时好时坏"的特性,进一步将IOWA算子引入到残差的组合预测模型中,计算出样本区间各个时点的残差组合预测值,并对前端模型预测结果做进一步的修正。最后,以中关村高新技术园区为例进行实证分析,结果表明了模型的有效性。(本文来源于《统计与决策》期刊2019年18期)
陈佳琪,宋冀龙[9](2019)在《残差修正GM(1,1)模型在房屋建筑施工面积预测中的应用》一文中研究指出房屋建筑施工面积可以有效反映建筑业的现实状况,对房屋建筑施工面积的预测结果可以为政府、企业在未来的策略方案提供更加有效的参考。采用传统GM(1,1)模型和改进后的残差修正GM(1,1)模型分别对房屋建筑面积统计数据进行预测,通过两种模型预测的结果,可以得出改进后的残差修正GM(1,1)模型可以在一定程度上减少误差,可以更有效地对房屋建筑面积进行预测。(本文来源于《科技创新与应用》期刊2019年27期)
牛童,张琳,张搏,魏圣军,李波[10](2019)在《基于逆向预测的初值修正Verhulst模型》一文中研究指出国防开支关乎军队的发展和战斗力的提升,是宏观经济预测的一项重要内容.利用Verhulst模型解决"小样本、不确定性"问题的优势对国防开支进行预测.首先对Verhulst模型机理进行了简要的叙述,说明其初值选取不合理是产生误差的一个重要原因;其次提出一种逆向预测的模型改进思路,通过设定迭代次数等参数,对传统的Verhulst模型的初值进行修正,建立一种基于逆向预测的Verhulst模型.采集我国2009-2016年国防开支数据进行实例检验,并对2017年国防开支进行预测,证明该模型能够有效提高预测精度.(本文来源于《数学的实践与认识》期刊2019年18期)
预测修正论文开题报告
(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:
文章针对我国铁路客运量进行短期预测,首先分析现有常见预测模型的优点与不足,然后试图通过构造新的组合或修正模型,从而实现提高预测精度。在构建年度数据组合模型时,发现以偏最小二乘回归、主成分回归和岭回归为基础进行组合时,预测精度达到了最优;在构建季度数据模型时,首先通过修正的时间序列分解法与季节周期回归模型显着地提高了预测精度,然后以这两个模型为基础构造组合模型,预测精度进一步得到提高。
(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。
预测修正论文参考文献
[1].邢晏,冯长焕.基于GM(1,1)模型残差修正的经济预测[J].渭南师范学院学报.2019
[2].周展,王文强.我国铁路客运量短期预测模型修正及比较[J].统计与决策.2019
[3].孙建,王旭春,杨怀远,胡瑞.上软下硬地层下盾构法施工的Peck预测公式修正[J].低温建筑技术.2019
[4].龙恩深,毛宁,梁伟杰,丁佩,邹航.考虑织物浸湿热阻变化的预测热应激模型修正与对比分析[J].安全与环境学报.2019
[5].付川,刘刚,赵忠德,郝迎鹏,刘四洋.基于残差修正的冬季天然气日负荷预测模型[J].油气田地面工程.2019
[6].李小雨,肖汉,李嘉逸.使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究[J].四川电力技术.2019
[7].杨航,王忠宇,邹亚杰,吴兵.基于二次修正的短时行程时间预测模型[J].同济大学学报(自然科学版).2019
[8].张贝贝,李静文,刘霞,杨亚楠.基于组合残差修正的预测方法及实证[J].统计与决策.2019
[9].陈佳琪,宋冀龙.残差修正GM(1,1)模型在房屋建筑施工面积预测中的应用[J].科技创新与应用.2019
[10].牛童,张琳,张搏,魏圣军,李波.基于逆向预测的初值修正Verhulst模型[J].数学的实践与认识.2019