基于控制論而提出的灰色系統理論能夠挖掘不完全信息下不確定性系統的演化模式,自提出以來便廣泛應用在能源、經濟以及環境等眾多領域。隨著應用和研究的深入,學者們從不同的角度對灰色預測模型進行了改進,以求進一步強化灰色預測模型對不確定性系統內蘊信息的挖掘和系統演化規律的把握。伴隨著中國能源革命的演進,現有的灰色預測模型面臨的系統特征序列是具有高度復雜性、不確定性和稀疏性的復雜時間序列,而目前的灰色預測模型難以挖掘現實時間序列的差異化特征,滿足能源預測的不同需求。鑒于此,為探索系統發展特征,挖掘系統演化規律,從而為國家的能源規劃和能源戰略調整提供參考,本研究在對灰色預測理論中灰色作用量優化技術對灰色預測模型優化作用機理研究的基礎上,基于灰色預測理論中的灰色生成技術、灰色作用量優化技術以及離散灰色預測模型,從知識驅動和數據驅動的角度構建了三類新的灰色預測模型以解決現存灰色預測模型中廣泛存在的三類問題,并提出了一類數據驅動的灰色預測模型結構自適應選擇算法。新模型的提出不僅優化了灰色累加生成技術,完善了稀疏數據特征提取方法,而且優化了灰色微分方程的模型結構,拓寬了灰預測理論的應用領域,提升了灰色預測模...

【文章頁數】：106 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景與研究意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國內外研究現狀分析
        1.2.1 單變量灰色預測模型及其衍生模型研究現狀
        1.2.2 能源領域預測模型研究
        1.2.3 研究現狀評述
    1.3 研究內容和方法
        1.3.1 研究內容
        1.3.2 研究思路
        1.3.3 技術路線圖
    1.4 研究創新點
    1.5 本章小結
第二章 相關理論
    2.1 灰色預測理論
        2.1.1 傳統GM(1,1)模型
        2.1.2 離散GM(1,1)模型
        2.1.3 GM(1,1)和DGM(1,1)模型關系
        2.1.4 離散灰色預測模型灰色作用量優化機理
    2.2 相關預測模型
        2.2.1 SARIMA模型
        2.2.2 Holt-Winters模型
    2.3 粒子群優化算法
    2.4 模型預測效果評估
    2.5 本章小結
第三章 基于移動平均濾波器的季節性分數階離散灰色預測模型
    3.1 基于移動平均濾波器的季節調整方法
        3.1.1 季節調整理論
        3.1.2 移動平均濾波器
    3.2 基于移動平均濾波器的季節性分數階離散灰色預測模型
        3.2.1 COSGM模型的建立
        3.2.2 COSGM模型超參數的確定
    3.3 案例分析
        3.3.1 案例背景
        3.3.2 模型構建
        3.3.3 預測效果比較分析
    3.4 本章小結
第四章 基于周期聚合生成算子的季節性離散灰色預測模型
    4.1 全階時間冪灰色預測模型的缺陷分析
    4.2 分數階全階時間冪灰色預測模型
        4.2.1 FOTP-DGM^r(1,1)模型的定義
        4.2.2 FOTP-DGM^r(1,1)模型的參數估計
        4.2.3 FOTP-DGM^r(1,1)模型的時間響應函數
        4.2.4 FOTP-DGM^r(1,1)模型結構參數的確定
        4.2.5 FOTP-DGM^r(1,1)模型的性質
    4.3 基于周期聚合生成算子的季節性離散灰色預測模型
        4.3.1 FOTP-SDGM^r(1,1)模型的定義
        4.3.2 FOTP-SDGM^r(1,1)模型結構參數的確定
    4.4 模型的應用流程
    4.5 案例分析
        4.5.1 案例研究設計
        4.5.2 案例1:北美年度水電消費量預測
        4.5.3 案例2:中國月度天然氣產量預測
        4.5.4 案例3:中國季度太陽能發電量預測
    4.6 本章小結
第五章 基于灰色作用量優化的結構自適應離散灰色預測模型
    5.1 結構自適應離散灰色預測模型
        5.1.1 SADGM(1,1)模型的定義
        5.1.2 SADGM(1,1)模型的參數估計
        5.1.3 SADGM(1,1)模型的時間響應函數
        5.1.4 SADGM(1,1)模型的性質
    5.2 數據驅動的模型結構選擇算法
    5.3 結構自適應離散灰色預測模型的建模及應用流程
    5.4 案例研究
        5.4.1 案例研究設計
        5.4.2 數據資源
        5.4.3 案例1:中國水電、風電和核電總產量預測
        5.4.4 案例2:美國小型光伏季度凈發電量預測
        5.4.5 案例3:中國季度水電產能預測
    5.5 本章小結
第六章 結論與展望
    6.1 主要結論
    6.2 展望
致謝
參考文獻
附錄:作者在攻讀碩士學位期間發表的論文



本文編號：3995225