本文關鍵詞：基于粒子群-傳遞函數(shù)模型的煤炭需求量預測　出處：《煤炭技術》2017年04期 　論文類型：期刊論文

  更多相關文章： 煤炭需求量 粒子群算法 傳遞函數(shù)噪聲模型

【摘要】：介紹了協(xié)整檢驗方法,用于檢驗兩數(shù)據(jù)序列是否具有系統(tǒng)的共同運動,為建立的預測模型選擇輸入變量;建立了傳遞函數(shù)噪聲模型,分析了粒子群算法,提出了粒子群-傳遞函數(shù)噪聲模型,使用粒子群算法對預測模型進行全局尋優(yōu),得到更高精度的預測模型。
[Abstract]:Introduces the method of cointegration test, to test whether the two common motion data sequence with the system, for the establishment of prediction model of the selection of input variables; the transfer function noise model, analysis of the particle swarm algorithm, the particle swarm - transfer function noise model, using particle swarm algorithm to forecast model for global optimization, get the prediction model with higher accuracy.

【作者單位】： 河南工業(yè)貿(mào)易職業(yè)學院;河南信息統(tǒng)計職業(yè)學院;
【基金】：河南省科技攻關項目(162102210096)
【分類號】：F224;F426.21
【正文快照】： 1.1協(xié)整檢驗本文建立的傳遞函數(shù)噪聲模型為雙輸入單輸出的數(shù)學模型。進行數(shù)據(jù)的協(xié)整檢驗是為傳遞函數(shù)噪聲模型選擇輸入變量。首先檢驗輸入序列X、輸出序列Y的平穩(wěn)性,若兩序列是平穩(wěn)序列,則使用Granger Causality檢驗法檢驗兩序列是否存在因果關系;若兩序列是非平穩(wěn)序列,則檢驗

【相似文獻】

相關期刊論文 前10條

1 李小青;;混合粒子群算法及在可靠性優(yōu)化中的應用[J];計算機系統(tǒng)應用;2012年03期

2 柳寅;馬良;黃鈺;;基于模糊粒子群算法的非線性函數(shù)優(yōu)化[J];上海理工大學學報;2012年04期

3 黃丹華;王肅;;基于混合粒子群算法的貨位優(yōu)化分配問題[J];應用科技;2013年04期

4 曹黎俠;張建科;柴偉文;戴飛;;改進的粒子群算法在印刷業(yè)優(yōu)化管理中的應用[J];西南民族大學學報(自然科學版);2009年01期

5 甄彤;郭嘉;吳建軍;肖樂;;粒子群算法求解糧堆溫度模型參數(shù)優(yōu)化問題[J];計算機工程與應用;2012年12期

6 彭耶萍;董堅峰;;多目標優(yōu)化中帶變異算子的灰色粒子群算法[J];計算機工程與應用;2012年34期

7 王穎;李盼池;;基于混沌優(yōu)化的雙種群量子粒子群算法[J];信息技術;2013年08期

8 張大鵬;王福利;何大闊;林志玲;;用粒子群算法求解打靶點的一種方法[J];東北大學學報;2006年07期

9 潘青飛;;帶自身最好位置權重的粒子群算法[J];數(shù)學雜志;2008年05期

10 董銀麗;張莉;;交叉粒子群算法及其在天線設計中的應用[J];寶雞文理學院學報(自然科學版);2008年03期

相關會議論文 前2條

1 曹春紅;張永堅;李文輝;;雜交粒子群算法在工程幾何約束求解中的應用[A];中國儀器儀表學會第六屆青年學術會議論文集[C];2004年

2 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動的混合粒子群算法及其應用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學者大會論文集[C];2012年

相關博士學位論文 前4條

1 杜毅;多階段可變批生產(chǎn)線重構的研究[D];廣東工業(yè)大學;2016年

2 王雪飛;粒子群算法的動態(tài)拓樸結構研究[D];西南大學;2008年

3 秦玉靈;基于響應面建模和改進粒子群算法的有限元模型修正方法[D];哈爾濱工業(yè)大學;2011年

4 岳本賢;粒子群算法拓展研究及在約束布局優(yōu)化中應用[D];大連理工大學;2012年

相關碩士學位論文 前10條

1 姚潔;基于啟發(fā)式搜索的貝葉斯網(wǎng)絡結構學習研究[D];浙江師范大學;2016年

2 盧飛霞;廣義極值分布函數(shù)的粒子群算法估計[D];煙臺大學;2016年

3 白玉龍;基于改進的粒子群算法的直覺模糊多目標規(guī)劃[D];湘潭大學;2016年

4 趙婷婷;基于改進粒子群算法的一類非線性模型預測控制[D];遼寧工程技術大學;2015年

5 張媛媛;雙評價粒子群算法[D];陜西師范大學;2012年

6 朱偉豐;改進粒子群算法最優(yōu)路徑的研究[D];重慶師范大學;2014年

7 祁佳;粒子群算法的改進與應用研究[D];南京信息工程大學;2008年

8 韋杏瓊;基于粒子群算法的數(shù)值方法研究[D];廣西民族大學;2009年

9 杜玉平;關于粒子群算法改進的研究[D];西北大學;2008年

10 張磊;協(xié)同粒子群算法及其在車間調(diào)度中的應用[D];武漢理工大學;2010年

，

本文編號：1397022