基于多目标理论的组合模型的研究及应用

论文摘要

Bates和Granger提出的组合模型理论广泛应用于时间序列的预测问题,目前基于组合模型理论的预测模型能够对一些时间序列数据进行较好的预测,克服了单一模型预测精度不足的缺点。然而在以前的研究中,许多组合模型,仅仅专注于一个单一的指标,例如提高预测精度或稳定性。对于一个有效的预测模型,仅考虑单一指标往往不能有效地描述数据的复杂性,从而影响预测精度和稳定性。因此,有必要对多目标组合预测模型进行深入的研究,它对促进、完善组合预测理论及预测学的发展都有着重要的意义。本文提出了一个基于多目标优化的且带有三个目标函数的组合预测模型,并在各种评价指标下研究模型的效果。该预测模型由Non-Dominated Sorting Genetic Algorithm-Ⅲ（NS GA-Ⅲ）算法对单一模型的权重和三个目标函数进行优化,并确定出组合模型的最优权重。该模型同时具有高精度和高稳定性的特点。实验结果表明,本文提出的基于多目标优化的组合预测模型和传统的单一模型相比较,其预测精度和稳定性都得到了较大的提高,为电力系统调度,风电场风能评估等实际问题提供了有力的技术支撑。

论文目录

摘要

ABSTRACT

第一章引言

1.1 研究背景及意义

1.2 组合模型的基本原理

1.3 预测模型的有效性检验

1.3.1 DM检验

1.3.2 预测有效性

第二章组合预测模型中的单一模型分类

2.1 预测模型中的线性模型

2.1.1 ARIMA

2.1.2 随机游走模型

2.1.3 三次指数平滑模型

2.2 预测模型中的非线性模型

2.2.1 反向传播神经网络（BPNN）及混合反向传播神经网络

2.2.2 在线极限学习机（OSELM）及混合在线极限学习机

2.2.3 广义回归神经网络（GRNN）及混合广义回归神经网络

2.2.4 径向基神经网络（RBFNN）

第三章多目标优化理论及算法

3.1 多目标优化理论

3.2 目标函数和NSGA-Ⅲ

3.2.1 目标函数

3.2.2 NSGA-Ⅲ

3.3 带有三个目标函数的组合预测模型

第四章多目标组合模型在时间序列预测中的应用

4.1 预测效果评价指标

4.2 多目标组合模型在电力负荷预测中的应用——以澳大利亚电力负荷为例

4.2.1 实验一用澳大利亚三个州的电力负荷数据进行测试

4.2.2 实验二与两个目标函数的组合模型相比较

4.2.3 实验三与其他模型的比较研究

4.2.4 实验四DM检验和预测有效度测试

4.2.5 讨论

4.3 多目标组合模型在风速预测中的应用——以蓬莱风电场为例

4.3.1 实验一选用风电场一号站点数据对模型做测试

4.3.2 实验二单一模型在每个时间点的性能

4.3.3 实验三组合模型与传统单一模型的稳定性相比较

4.3.4 实验四与两个目标函数的组合模型比较

4.3.5 实验五 DM检验和预测有效度测试

4.3.6 讨论

4.4 本章小结

第五章结论与展望

参考文献

攻读硕士期间论文发表情况

致谢

文章来源

类型: 硕士论文

作者: 张生辉

导师: 刘岳巍

关键词: 组合预测,多目标优化,时间序列预测

来源: 兰州大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 兰州大学

分类号: O211.61

总页数: 61

文件大小: 3883K

下载量: 49

基于多目标理论的组合模型的研究及应用

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢