导读:本文包含了残差修正论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,灰色,货运量,组合,神经网络,系统,中关村。
残差修正论文文献综述
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）
付川,刘刚,赵忠德,郝迎鹏,刘四洋[2]（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）
张贝贝,李静文,刘霞,杨亚楠[3]（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[4]（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）
冯子帆,成枢,董娟[5]（2019）在《残差修正的GM(1,1)模型在滑坡位移预测中的应用》一文中研究指出根据滑坡监测研究现状,利用Matlab编程以及新滩滑坡监测点A3和B3的位移监测资料,建立了GM(1,1)预测模型和一阶残差修正的GM(1,1)预测模型;并对两种灰色预测模型的变形预测结果进行了比较。结果表明,经过残差修正的GM(1,1)模型的预测精度明显高于传统GM(1,1)模型的预测精度。(本文来源于《地理空间信息》期刊2019年09期）
姜晋云,李文海,陈天驰,杨征[6]（2019）在《基于残差修正MGM(1,N)的轨迹模拟方法》一文中研究指出针对机载自卫电子对抗系统地面测试时模拟器与飞机位置相对固定、检测结果不精确的问题,提出一种基于残差修正的轨迹模拟方法,首先对飞机叁维位置坐标构建MGM(1,3)模型,通过对获得的模拟值进行多次残差修正以进行改进,最后得到轨迹模拟表达式。实验仿真表明:与传统的MGM(1,3)模型相比,基于残差修正的MGM(1,3)模型相对误差较小,避免了因数据跳动较大而引起的预测风险,提高了模拟结果的可靠性,基本符合机载电子对抗系统地面测试的需要。(本文来源于《电子测量技术》期刊2019年17期）
蒲晓妮,赵睿,王江荣[7]（2019）在《基于Fourier级数残差修正的灰色Verhulst模型及应用》一文中研究指出针对大坝变形呈"S"型过程,变形监测时间序列数据具有量少、贫信息的特点,采用了灰色Verhulst模型来拟合预测大坝变形。为了提高模型的预测精度,在已知拟合残差序列的基础上建立了Fourier级数模型,并对建模以外的残差进行预测,以此修正大坝变形的预测值,取得理想效果。(本文来源于《自动化与仪器仪表》期刊2019年08期）
张炳彩[8]（2019）在《基于残差修正GM(1,1)模型的银川市空气质量预测分析》一文中研究指出选取2013～2017年影响银川市环境空气质量的六种主要污染物浓度值,建立GM(1,1)预测模型,对精度检验结果为基本合格和不合格模型进行残差修正,得到了残差修正GM(1,1)预测模型,其精度检验为优。2018～2020年污染物浓度预测值显示CO和O_3浓度值有增加的趋势,建议相应部门做好预防CO和O_3浓度值增加的措施。(本文来源于《绿色科技》期刊2019年12期）
徐莉,薛锋[9]（2019）在《基于GM(1,1)残差二次修正的铁路货运量预测》一文中研究指出铁路货运量是铁路运输能力的重要体现,也是确定铁路交通基础设施建设规模的主要依据。铁路货运量的预测结果是否合理,会对铁路的运输生产及效益产生直接影响。在传统GM(1, 1)灰色预测及GM(1, 1)残差一次修正模型的基础上,建立GM(1, 1)残差二次修正预测模型,从而提高模型预测的精度,并基于残差二次修正后的模型预测未来叁年我国铁路的货运量,以期为铁路部门制定未来铁路运输发展战略,合理利用资源,充分发挥铁路运输能力提供参考。(本文来源于《交通运输工程与信息学报》期刊2019年02期）
汤俊,毛文飞[10]（2019）在《多尺度ARMA残差修正模型震前电离层TEC异常探测》一文中研究指出为提高电离层总电子含量(total electronic content, TEC)扰动探测参考背景值的预测精度,提出了多尺度自回归移动平均(autoregressive moving average, ARMA)残差修正模型。通过对比该方法、ARMA模型、四分位距法(inter quartile range,IQR)及滑动时窗法对TEC背景值的预测精度,结果显示修正模型预测的TEC背景值平均相对精度为89.78%,分别比ARMA模型、IQR及滑动时窗法高5.18%、1.41%和1.42%,且预测值的残差绝对值小于等于3.0 TECU的百分比为91.67%,明显优于其他3种方法,说明修正模型探测震前TEC异常是可行的。利用该方法探测2013-04-20芦山县Mw7.0级地震震前电离层TEC扰动情况,验证了该方法的有效性。实验结果表明,震前第9天和第13天电离层明显的正异常和震前第1～4天明显的负异常极可能是孕育地震引起的,且正异常主要出现在08:00-10:00 UT,而负异常主要集中在0:00-14:00 UT。(本文来源于《武汉大学学报(信息科学版)》期刊2019年06期）
残差修正论文开题报告
（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：
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。
（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。
残差修正论文参考文献
[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].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
[3].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
[4].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
[5].冯子帆,成枢,董娟.残差修正的GM(1,1)模型在滑坡位移预测中的应用[J].地理空间信息.2019
[6].姜晋云,李文海,陈天驰,杨征.基于残差修正MGM(1,N)的轨迹模拟方法[J].电子测量技术.2019
[7].蒲晓妮,赵睿,王江荣.基于Fourier级数残差修正的灰色Verhulst模型及应用[J].自动化与仪器仪表.2019
[8].张炳彩.基于残差修正GM(1,1)模型的银川市空气质量预测分析[J].绿色科技.2019
[9].徐莉,薛锋.基于GM(1,1)残差二次修正的铁路货运量预测[J].交通运输工程与信息学报.2019
[10].汤俊,毛文飞.多尺度ARMA残差修正模型震前电离层TEC异常探测[J].武汉大学学报(信息科学版).2019
论文知识图
