导读:本文包含了组合预测方法论文开题报告文献综述及选题提纲参考文献，主要关键词:组合预测,信息熵,电价预测
组合预测方法论文文献综述
刘源,胡雷周[1]（2019）在《基于信息熵的电价组合预测方法研究》一文中研究指出为解决单项电价预测方法的准确性不足、稳定性欠缺的问题,本文根据组合预测原理研究了基于信息熵的电价组合预测方法。基于信息熵理论,采用多准则评价方法对单项电价预测方法进行评价,建立了电价组合预测模型。电价预测实例验证了基于信息熵组合预测方法的可靠性,较单项预测方法提高了预测精度。(本文来源于《中国管理信息化》期刊2019年22期）
王志刚,袁宏俊[2]（2019）在《基于机器学习方法的区间组合预测模型优化》一文中研究指出随着数据量的不断增多,对于预测精度的要求也越来越高。引入了机器学习中的损失函数和梯度下降算法,与传统的线性规划求解组合系数方法相比,简化了计算步骤,在保证精度的同时也提升了算法对大量数据的处理能力。最后通过实例表明,基于机器学习方法的区间组合预测模型能够有效地提升预测精度。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年06期）
蒋成银[3]（2019）在《诱导有序组合算子的沉降预测方法研究》一文中研究指出根据实测数据建立的形变时间序列预测方式和方法屡见不鲜,通常较常见的有基于统计理论、基于沉降观测时间序列、基于卡尔曼滤波和各神经网络方法等方式,这些仅仅基于单种建模方式的方法往往不能充分地将时间序列里的沉降信息提取提取出来,因此预测的时间序列偏差与方差较大。针对上述问题本文提出利用基于诱导有序集结算子的组合模型的建模方法结合基坑建设时实时观测的沉降数据进行沉降预测,本文针对多种沉降预测方法的结合建模进行了深入的研究,实验表明组合预测方法能够更精确的预测沉降时间序列。(本文来源于《中外企业家》期刊2019年30期）
陈令强,潘以恒,陈建平,胡文艺,冯勇[4]（2019）在《基于漂移度的隧道涌水量组合解析预测方法》一文中研究指出隧道涌水量解析预测方法众多,各种解析法预测结果往往存在不一致性。为解决上述问题,引入组合预测思想,采用线性加权组合形式对常用的隧道涌水量解析计算方法进行组合。基于"少数服从多数"的原则,以目标方法外其他方法的整体预测趋势作为参考系,引入漂移度指标对各单项解析法进行可靠性评价,运用合理的权重分配方式建立了组合解析预测方法。以广州某地铁隧道工程为研究对象,选用了裘布依模型等4种常用的解析法对隧道正常涌水量分别进行了单项和组合预测。结果表明:在最佳预测方法未知的情况下,组合预测方法能较为准确地预测隧道实际涌水量,验证了该方法的可靠性。(本文来源于《人民长江》期刊2019年09期）
张贝贝,李静文,刘霞,杨亚楠[5]（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）
李德顺,李宁,李银然,吴世龙,李仁年[6]（2019）在《基于小波分解的DIF-RBFNN超短期风速组合预测方法》一文中研究指出提出了一种基于小波分解(wavelet-decomposition)的数据输入格式-径向基神经网络(data input format-radial basis functional neural network)超短期风速组合预测模型.该模型首先将风速时间序列数据进行小波分解,减缓风速时间序列的波动性,然后将分解后的低频、高频部分分别建立数据输入格式(风速输入矩阵),并通过径向基神经网络模型进行预测,最后通过自适应迭加得到最终预测结果.结合宁夏某风场实测数据,将该预测模型和其他叁种预测模型的仿真实验结果与实测值进行对比,表明该组合预测模型具有较高的预测精度.(本文来源于《兰州理工大学学报》期刊2019年04期）
房玄骅,王艺宁,刘夕[7]（2019）在《基于预测有效度成分数据处理方法组合预测》一文中研究指出为提高成分数据时序预测准确性,提出一种以二阶预测有效性作标准的多种数据处理方法的组合预测。选择成分数据的多种数据转化方法,将有约束时序用对数比,中心对数,超球面变换方法转换成无约束时序后,利用ARIMA—ANN模型对转换后无约束时序预测,对结果做反变换,恢复为成分数据得单项预测结果。最后对得到的单项预测结果进行基于二阶预测有效度的加权几何平均组合,得到相对最优的组合预测结果。(本文来源于《价值工程》期刊2019年21期）
陈然,熊一珊,周悦[8]（2019）在《基于相关系数的IOWGA算子区间组合预测方法》一文中研究指出各种错综复杂的因素导致数据表现出不确定性,区间型数据为取值在一定边界的现象提供了强有力的分析工具。为提高区间型观测信息的预测精度,本文结合相关系数和诱导有序加权平均(IOWGA)算子给出一类区间值时间序列的组合预测模型。通过最大化实际值和基于IOWGA算子的组合预测值区间中心和半径序列的相似性程度,给出组合预测的一类客观权重信息确定方法。最后,结合实例表明本文所提出的区间型信息组合预测模型能够有效提高预测精度。(本文来源于《价值工程》期刊2019年21期）
刘金培,黄燕燕,汪漂[9]（2019）在《区间离散二阶差分方程——BP神经网络组合预测方法》一文中研究指出针对小样本且具有较强波动性的区间时间序列的预测问题,文章提出了一种区间离散二阶差分方程——BP神经网络组合预测新方法,并讨论模型的相关性质,该模型对拐点区间数据具有较好的预测能力。实证预测结果表明,所提出的预测方法不但适用于小样本区间时间序列预测,对区间序列波动细节有较强的预测能力,而且比现有的区间时间序列预测模型有更高的预测精度。(本文来源于《统计与决策》期刊2019年14期）
杨春玲,张雅雯,陈晶[10]（2019）在《一种基于HHT的短期负荷组合预测方法》一文中研究指出提出了一种希尔伯特-黄变换和自适应加权最小二乘支持向量机相结合的短期电力负荷预测方法。先利用HHT中的经验模态分解,将负荷值分解为几个低频段的拟周期量和1个高频段随机量,然后根据各分量瞬时频率特点选择最佳的AWLS-SVM模型预测,最后将各分量预测数据迭加。实例预测结果表明,该方法具有较高的预测精度。(本文来源于《重庆电力高等专科学校学报》期刊2019年03期）
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：
随着数据量的不断增多,对于预测精度的要求也越来越高。引入了机器学习中的损失函数和梯度下降算法,与传统的线性规划求解组合系数方法相比,简化了计算步骤,在保证精度的同时也提升了算法对大量数据的处理能力。最后通过实例表明,基于机器学习方法的区间组合预测模型能够有效地提升预测精度。
（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。
组合预测方法论文参考文献
[1].刘源,胡雷周.基于信息熵的电价组合预测方法研究[J].中国管理信息化.2019
[2].王志刚,袁宏俊.基于机器学习方法的区间组合预测模型优化[J].齐齐哈尔大学学报(自然科学版).2019
[3].蒋成银.诱导有序组合算子的沉降预测方法研究[J].中外企业家.2019
[4].陈令强,潘以恒,陈建平,胡文艺,冯勇.基于漂移度的隧道涌水量组合解析预测方法[J].人民长江.2019
[5].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
[6].李德顺,李宁,李银然,吴世龙,李仁年.基于小波分解的DIF-RBFNN超短期风速组合预测方法[J].兰州理工大学学报.2019
[7].房玄骅,王艺宁,刘夕.基于预测有效度成分数据处理方法组合预测[J].价值工程.2019
[8].陈然,熊一珊,周悦.基于相关系数的IOWGA算子区间组合预测方法[J].价值工程.2019
[9].刘金培,黄燕燕,汪漂.区间离散二阶差分方程——BP神经网络组合预测方法[J].统计与决策.2019
[10].杨春玲,张雅雯,陈晶.一种基于HHT的短期负荷组合预测方法[J].重庆电力高等专科学校学报.2019