時(shí)間序列長(zhǎng)度、背景值優(yōu)化及殘差序列修正均是影響灰色預(yù)測(cè)模型精度的重要因素。筆者以采集到的高壓開(kāi)關(guān)柜觸點(diǎn)溫度為實(shí)例數(shù)據(jù)集,首先通過(guò)逆序法選取建模的最優(yōu)時(shí)間序列長(zhǎng)度,其次采取分段線(xiàn)性Newton插值法和積分重構(gòu)法構(gòu)建模型背景值,然后對(duì)預(yù)測(cè)結(jié)果的殘差序列進(jìn)行修正,最后對(duì)比預(yù)測(cè)精度得出積分重構(gòu)法構(gòu)建背景值的灰色預(yù)測(cè)模型適用于開(kāi)關(guān)柜的觸點(diǎn)溫度預(yù)測(cè)。 

【文章來(lái)源】：信息與電腦(理論版). 2016,(09)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

傳統(tǒng)Gb7(1,曰性能對(duì)比圖

043.74200.840045.4414-0.859344.7234-0.1414544.478143.74190.736245.2477-0.769544.7374-0.2593644.571743.74180.829945.0548-0.483044.7514-0.1797744.794843.74181.053044.8628-0.067944.76540.0294844.970243.74171.228544.67160.298644.77930.1909944.890243.74161.148644.48120.409044.79330.09691044.494644.9714-0.476844.29160.203044.6073-0.11271144.611844.9714-0.359644.10280.509044.8113-0.19951244.688544.9714-0.282943.91480.773744.8353-0.14681344.971844.97140.000443.72771.244144.84930.1225圖2X1hour預(yù)測(cè)值與實(shí)際值的擬合曲線(xiàn)從圖2得，緊鄰均值和積分重構(gòu)背景值的擬合效果與原始序列的粘合性較大，而Newton插值背景值的擬合結(jié)果發(fā)散。從表1中看出，緊鄰均值的殘差序列出現(xiàn)不穩(wěn)定波動(dòng)，時(shí)而發(fā)散時(shí)而收斂；Newton插值的殘差序列正向漸增；積分重構(gòu)的殘差序列均小于0.2，處于數(shù)據(jù)的較高水平。除了積分重構(gòu)的殘差序列不需要修正外，緊鄰均值和Newton插值的殘差序列均需要修正，但緊鄰均值的殘差序列不滿(mǎn)足修正條件，所以，只對(duì)Newton插值的殘差序列進(jìn)行修正。由表1可知，當(dāng)序號(hào)k≥8時(shí)，殘差符號(hào)一致，對(duì)其建立殘差GM（1,1）模型，進(jìn)行3次修正。修正結(jié)果如表2和圖3所示：—54—

2016年第9期信息與電腦ChinaComputer&Communication計(jì)算機(jī)工程應(yīng)用技術(shù)圖3修正后的X1hour預(yù)測(cè)值與實(shí)際值的擬合曲線(xiàn)從圖3看出，經(jīng)殘差修正后的擬合序列偏離性減小，適當(dāng)改善了時(shí)間序列的擬合效果�，F(xiàn)計(jì)算未經(jīng)修正的緊鄰均值、積分重構(gòu)背景值的擬合序列及修正后的Newton背景模型序列的平均相對(duì)誤差MSE，如表3所示：表3修正后的各模型平均相對(duì)誤差背景值構(gòu)建方式緊鄰均值Newton插值積分重構(gòu)平均相對(duì)誤差0.01730.01030.0032由表3得，通過(guò)分段線(xiàn)性Newton插值改進(jìn)的GM（1,1）擬合序列優(yōu)于傳統(tǒng)的緊鄰均值GM（1,1）作用結(jié)果，但前者需要不斷且多次的殘差修正，而通過(guò)積分重構(gòu)法改進(jìn)的GM（1,1）的擬合結(jié)果的平均相對(duì)誤差最校4結(jié)語(yǔ)通過(guò)實(shí)例分析發(fā)現(xiàn)，110KV高壓開(kāi)關(guān)柜觸點(diǎn)溫度屬于平穩(wěn)低增長(zhǎng)型時(shí)間序列，使用灰色預(yù)測(cè)法在對(duì)單維觸點(diǎn)溫度進(jìn)行預(yù)測(cè)分析時(shí)，適合選取間隔1小時(shí)區(qū)間跨度的數(shù)據(jù)為原始序列樣本，同時(shí)采取積分重構(gòu)法構(gòu)建背景值，結(jié)合殘差序列修正的GM（1,1）預(yù)測(cè)精度較高。參考文獻(xiàn)[1]鄧聚龍.灰預(yù)測(cè)與灰決策[M].武漢:華中科技大學(xué)出版社,2002.[2]黃敏珍,馮永冰.灰色預(yù)測(cè)模型在區(qū)域物流需求預(yù)測(cè)中的應(yīng)用[J].物流科技,2009,32(3):17-20.[3]周清,王奉偉.灰色預(yù)測(cè)模型背景值改進(jìn)方法比較分析[J].東華理工大學(xué)學(xué)報(bào):自然科學(xué)版,2015,38(2):231-234.[4]王翠茹,孫辰軍,楊靜,等.改進(jìn)殘差灰色預(yù)測(cè)模型在負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2006,18(1):86-89.表2修正后的X1hour模型擬合序列值殘差修正擬合序列X1hourNewton插值擬合序列殘差143.667743.66770.0000244.760544.22720.5333345.898245.63590.2623444.582045.4414-0.8593544.478145.2477-0.7695644.571745.0548-0.4830744.794844.8628-

【參考文獻(xiàn)】：
期刊論文
[1]灰色預(yù)測(cè)模型背景值改進(jìn)方法比較分析[J]. 周清,王奉偉.  東華理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[2]灰色預(yù)測(cè)模型在區(qū)域物流需求預(yù)測(cè)中的應(yīng)用[J]. 黃敏珍,馮永冰.  物流科技. 2009(03)
[3]改進(jìn)殘差灰色預(yù)測(cè)模型在負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 王翠茹,孫辰軍,楊靜,馮海迅.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2006(01)



本文編號(hào)：3294670