×
蔡玉斌;马欣

基于集成学习的中国电力供应预测灰色模型。 （英语） Zbl 07533430号

AIMS数学。 6，第11号，12339-12358（2021）.
摘要：用电量是反映一个国家工业化程度的最重要指标之一。电力供应在保证国家运行中起着重要作用。然而，在复杂的情况下，往往很难用有限的可靠数据集进行准确的预测。为了充分利用现有灰色系统模型的优点，采用集成学习方法为我国电力供应预测模型的建立提供了一种新的策略。首先对不同累积类型的非齐次灰色模型进行多重精度设置拟合。然后使用多数投票选择和组合网格搜索交叉验证验证的最准确和稳定的模型。通过两个数值验证案例，与其他著名模型进行比较，验证了该方法的有效性。中国电力供应预测的实际案例研究结果表明，该模型优于其他15个现有灰色模型，这说明该模型在此类实际应用中可以做出更准确、更稳定的预测。

理学硕士：

62M99型 随机过程推断
91B76号 环境经济学（自然资源模型、收获、污染等）

关键词：

灰色系统;集成学习;网格搜索;电力供应
PDF格式BibTeX公司 XML格式引用
\textit{Y.Cai}和\textit{X.Ma}，AIMS数学。6，编号11，12339--12358（2021；Zbl 07533430）
全文： 内政部
OA许可证

参考文献：

[1] D.C.Li、C.J.Chang、C.C.Chen、W.C.Chen，使用自适应灰色方法预测短期电力消耗——亚洲案例，欧米茄，（2012），767-773。
[2] P.F.Pai，W.C.Hong，电力负荷预测中采用模拟退火算法的支持向量机，《能源转换》。管理</i> ，（2005），2669-2688。
[3] J.Yuan，C.Farnham，C.Azuma，K.Emura，预测大学校园季节性小时用电量的预测人工神经网络模型，可持续城市社会，（2018），82-92。
[4] J.L.Deng，灰色系统的控制问题，<i>系统。控制信函</i> ，（1982），288-294·Zbl 0482.93003号
[5] B.Zeng，H.Li，X.Ma，一种新的多变量灰色预测模型及其在中国粮食产量预测中的应用，计算。工业工程</i>，<b>150</b>（2020），106915。
[6] S.Ding，R.Li，使用新型自适应优化灰色模型预测电动汽车的销售和库存，《工程应用》。Artif公司。智力</i> ，<b>100</b>（2021），104148。
[7] W.Wu，X.Ma，Y.Zhang，W.Li，Y.Wang，用于预测金砖国家二氧化碳排放量的新型整合分数非齐次灰色模型，《科学》。总环境</i> ，（2020年），135447。
[8] 胡永华，马晓霞，李维礼，吴维武，屠迪，利用一种新的多分数阶时滞分数灰色模型预测中国制造业天然气消费，计算。申请。数学</i> （2020年），1-30·Zbl 1463.91086号
[9] Wu，S.Liu，L.Yao，S.Yan，D.Liu，分数阶累积灰色系统模型，公共。非线性科学。数字。模拟</i> ，（2013），1775-1785·Zbl 1274.62639号
[10] 周伟，张宏，党彦，王振中，新信息优先权灰色离散模型及其应用，《中国管理杂志》。科学</i> ，（2017），140-148。
[11] B.Zeng，H.Duan，Y.Zhou，一种新的具有结构相容性的多变量灰色预测模型，应用。数学。模型1</i> ，（2019年），385-397·兹比尔1481.62073
[12] X.Ma，W.W.Wu，B.Zeng，Y.Wang，X.Wu。整合分数灰色系统模型，ISA Trans</i> （2020年），第255-271页。
[13] X.Ma，W.Wu，Y.Zhang，基于Simpson公式的改进GM（1，1）模型及其应用，（2019），<i>arXiv</i>：1908.03493。
[14] B.Wei，N.Xie，A.Hu，新型灰色多项式预测模型的最优解，应用。数学。模型1</i> ，<b>62</b>（2018），717-727·Zbl 1462.62571号
[15] N.Xie，R.Wang，N.Chen，基于灰色预测方法的独生子女政策变化后冲击效应的测量，Kybernetes（2018），559-586。
[16] 崔建杰，党义勇，刘春生，新型灰色预测模型及其建模机制，《控制决策》</i> ，（2009），1702-1706·Zbl 1212.93009号
[17] 陈振中，陈海良，陈胜平，利用新型非线性灰色贝努利模型NGBM（1，1）预测台湾主要贸易伙伴的外汇汇率，Commun。非线性科学。数字。模拟</i> ，（2008），1194-1204。
[18] B.Zeng，X.Ma，M.Zhou，中国致密气产量预测的新结构灰色Verhulst模型，<i>应用。软计算</i> （2020年），106600。
[19] 徐宁，党义勇，龚义勇，基于非线性优化时间响应方法的新型灰色预测模型在中国电力消费预测中的应用，《能源》，（2017），473-480。
[20] J.Wang，P.Du，H.Lu，W.Yang，T.Niu，年用电量预测的多目标蚁群优化算法优化的改进灰色模型，应用。软计算</i> ，（2018），第321-337页。
[21] S.Ding，K.W.Hipel，Y.Dang，使用新的灰色预测模型预测中国的电力消费，能源，149（2018），314-328。
[22] C.Liu，W.W.Wu，W.Xie，J.Zhang，带时间幂项的新型分数灰色预测模型在印度和中国电力消费预测中的应用，混沌孤子分形，（2020），110429。
[23] L.Yu，X.Ma，W.W.Wu，X.Xiang，Y.Wang，B.Zeng，新型时滞电力驱动灰色模型在亚太地区光伏发电预测中的应用，可持续能源技术。评估</i> ，（2021年），100968。
[24] S.B.Cho，用于高性能分类的结构自适应自组织映射集成，《信息科学》</i> ，（2000年），第103-114页·Zbl 1147.68624号
[25] Q.Xiao，C.Li，Y.Tang，L.Li，柔性车削操作节能过程控制加工参数的元强化学习，IEEE Trans。自动。科学。工程</i>，<b>99</b>（2019），1-14。
[26] L.Yu，Y.Ma，M.Ma，汽油消耗预测的有效滚动分解-装配模型，《能源》，（2021），119869。
[27] C.Chen，H.Liu，基于混合深度强化学习的动态集合风速预测模型，高级工程信息，（2021），101290。
[28] Z.Dong，J.Liu，B.Liu，K.Li，X.Li，基于集成学习和能耗模式分类的办公楼小时能耗预测，《能源建筑》，（2021），110929。
[29] C.Y.Lin，Y.S.Chang，S.Abimannan，Ensemble空气质量预测的多功能深度学习模型，Atmos。波卢特。研究结果（2021年），101045。
[30] A.Vinayagam，V.Veerasamy，P.Radhakrishnan，M.Sepperumal，K.Ramaiyan，光伏集成微电网电能质量扰动检测和分类的分类模型集成方法，应用。软计算</i> ，（2021年），107294。
[31] X.Ma，M.Xie，J.A.K.Suykens，一种新的贝叶斯正则化神经灰色系统模型及其应用，神经计算，456（2021），61-75。
[32] 谢楠，刘S.，非齐次指数离散灰色预测模型区间灰数序列预测。电子工程</i> ，（2015），96-102。
[33] L.Yu，X.Ma，W.Wu，Y.Wang，B.Zeng，一种新的基于弹性网的非线性时间序列预测多目标优化NGBMC（1，n）模型，<i>Commun。非线性科学。数字。模拟</i> ，（2021年），105696·Zbl 1461.90143号
[34] X.Xiang，X.Ma，M.Ma，W.Wu，L.Yu，新型欧拉多项式驱动灰色模型在短期PM10预测中的研究与应用，灰色系统。理论应用</i> ，（2020年）。
[35] L.Liu，L.Wu，用相邻非齐次灰色模型预测欧洲国家的可再生能源消费，应用。数学。模型1</i> ，<b>89</b>（2021），1932-1948年·Zbl 1481.91130号
[36] S.A.Javed，B.Zhu，S.Liu，使用新型灰色模型预测二氧化碳排放量最大的国家的生物燃料生产和消费，《清洁生产杂志》，（2020年），123997。
[37] 国家统计局，网址：<a href=“http://www.stats.gov.cn/“target=”_blank“>http://www.stats.gov.cn/</a>。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。