本文關鍵詞：機場運行能源需求預測模型研究

  更多相關文章： 機場能源需求預測 模糊支持向量回歸 離群點 隸屬函數(shù)

【摘要】：近年來,機場大力發(fā)展基礎設施建設,其能源消耗也隨之增加。在此背景下,論文開展了機場運行能源需求預測模型的研究工作,并通過實驗證明了所提方法在機場能源數(shù)據(jù)的預測上,具有較高的預測精度。準確預測機場能源需求趨勢,對其發(fā)展有非常重要的指導意義。首先分析了機場能源需求現(xiàn)狀,對機場能源數(shù)據(jù)進行處理。針對機場能源數(shù)據(jù)結構復雜,人工記錄的能耗數(shù)據(jù)的準確性差,統(tǒng)計周期長,對需求預測將會造成干擾的問題。采用SQL數(shù)據(jù)庫建立了機場運行能源需求預測模型后臺數(shù)據(jù)庫,對機場能源數(shù)據(jù)進行統(tǒng)一整理、存儲。結果表明,所建的數(shù)據(jù)庫大大節(jié)約了時間成本,還能夠保證記錄的數(shù)據(jù)符合標準,格式一致,意義合理。其次分析和論述了模糊支持向量回歸算法在處理小樣本回歸預測時,擁有較好的推廣能力以及抗噪聲能力。針對機場數(shù)據(jù)存在離群點的特點,論文對該算法進行了改進,優(yōu)化了隸屬函數(shù)的選取方法以及預測模型的參數(shù),建立了機場能源需求預測模型,并對所建模型進行了驗證,結果表明,與BP神經(jīng)網(wǎng)絡方法相比,采用的FSVR方法的預測準確率提高了2.66%,對離群點的識別率提高了3.72%。然后利用預測模型建立了機場能源數(shù)據(jù)的綜合管理,實現(xiàn)了Matlab、數(shù)據(jù)庫與預測模型之間的數(shù)據(jù)交互。結果表明,該方法作為機場能源需求的一種預測方法是切實可行的,在實際工作中能夠有效提高系統(tǒng)的分析效率,更好地為能源系統(tǒng)分析與優(yōu)化提供支持。
【關鍵詞】：機場能源需求預測 模糊支持向量回歸 離群點 隸屬函數(shù)
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.13;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 論文的研究背景和意義9-11
• 1.2 能源需求預測國內(nèi)外研究現(xiàn)狀11-14
• 1.3 本文主要研究內(nèi)容及創(chuàng)新點14-16
• 1.4 本章小結16-17
• 第二章 機場運行能源需求分析與數(shù)據(jù)處理17-33
• 2.1 機場運行能源需求分析17-18
• 2.2 數(shù)據(jù)處理18-24
• 2.2.1 機場運行能源數(shù)據(jù)管理現(xiàn)狀19-20
• 2.2.2 基于SQL的數(shù)據(jù)處理20-22
• 2.2.3 數(shù)據(jù)庫遠程訪問22-24
• 2.3 機場運行能源需求預測模型數(shù)據(jù)庫的整體設計24-31
• 2.3.1 系統(tǒng)的開發(fā)平臺及環(huán)境25
• 2.3.2 數(shù)據(jù)庫概念模型的設計25-28
• 2.3.3 數(shù)據(jù)庫數(shù)據(jù)模型的設計28-31
• 2.4 數(shù)據(jù)庫數(shù)據(jù)處理結果31
• 2.5 本章小結31-33
• 第三章 基于改進FSVR的機場運行能源需求預測模型33-50
• 3.1 支持向量機33-37
• 3.1.1 SVR算法33-35
• 3.1.2 核函數(shù)的選取35-36
• 3.1.3 損失函數(shù)的選取36-37
• 3.2 模糊支持向量回歸算法37-40
• 3.2.1 模糊理論及隸屬度函數(shù)的確定37-39
• 3.2.2 模糊支持向量回歸算法39-40
• 3.3 基于改進FSVR的機場運行能源需求預測模型40-44
• 3.4 數(shù)據(jù)實驗與預測分析44-48
• 3.5 本章小結48-50
• 第四章 基于預測模型的機場能源數(shù)據(jù)的綜合管理50-57
• 4.1 基于預測模型的機場能源數(shù)據(jù)的綜合管理50
• 4.2 數(shù)據(jù)交互過程50-55
• 4.2.1 數(shù)據(jù)庫之間的數(shù)據(jù)交互51-52
• 4.2.2 Matlab與用戶界面之間的數(shù)據(jù)交互52-53
• 4.2.3 Matlab與數(shù)據(jù)庫之間的數(shù)據(jù)交互53
• 4.2.4 人機界面與數(shù)據(jù)庫之間的數(shù)據(jù)交互53-55
• 4.3 機場運行能源需求預測分析模塊55-56
• 4.4 本章小結56-57
• 第五章 結論與展望57-59
• 5.1 結論57-58
• 5.2 展望58-59
• 參考文獻59-64
• 致謝64-65
• 作者簡介65

，

本文編號：523360