×

一种新的Hausdorff分数NGMC((p,\mathrm{n})灰色预测模型及其在中国能源生产和转换预测中的应用。 (英语) 兹比尔1481.91132

小结:本文在NGMC((1,mathrm{n})模型的基础上,提出了一种新的Hausdorff分数NGMC(p,mathrm{n})灰色预测模型。新的灰色模型将Hausdorff分数累积算子和Grunwald-Letnikov分数导数结合起来,具有更大的自由度和更简单的计算;利用前向差分推导了新模型的时间响应函数和递推表达式;离散解中二项式的递推关系,避免了计算伽玛函数,简化了计算;引入灰狼优化算法(GWO)对新模型的参数进行优化,以提高模型的适应性。为了验证新模型的有效性,使用九个现有灰色模型对中国可再生能源总产量、能源转换效率和总发电量进行了预测。实验结果表明,新模型的拟合精度和预测精度均优于其他九种现有灰色模型。

理学硕士:

91B74号 真实系统的经济模型(例如电力市场等)
90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 刘,S.F。;林毅,灰色系统理论在科学发展中的作用和地位,《灰色系统》。,4, 4, 351-356 (1997)
[2] 谢,N.M。;Liu,S.F.,离散GM(1,1)和灰色预测模型的机理,系统。工程理论实践。,25, 1, 93-99 (2005)
[3] 崔丽珍。;刘,S.F。;Li,Z.P.,灰色离散Verhulst模型,J.Syst。电子工程。,33, 03, 590-593 (2011) ·Zbl 1240.93016号
[4] 曾,B。;Liu,S.F.,近似非均匀指数增长序列的间接DGM(1,1)模型分析,Stats Inform。论坛,25,13-18(2010)
[5] Chen,Y.G。;Yang,D.Y。;Dai,W.Z.基于高斯-勒让德求积的GM(1,1)模型背景值构建及其应用的建模研究,浙江科学出版社。理工大学。,4, 444-447 (2007)
[6] 马,X。;Wu,W。;张勇,基于辛普森公式的改进GM(1,1)模型及其应用,J.Gray Syst。,31, 4, 33-46 (2019)
[7] 刘,S.F。;Forrest,J.Y.L.,《灰色系统:理论与应用》(2010),施普林格出版社·Zbl 1222.93001号
[8] Tien,T.L.,灰色预测模型GM(1,n)的研究,应用。数学。计算。,218, 9, 4903-4916 (2012) ·Zbl 1266.62075号
[9] Tien,T.L.,具有卷积积分的确定性灰色动态模型DGDMC(1,n),应用。数学。型号。,3, 8, 3498-3510 (2009) ·Zbl 1426.62278号
[10] Yu,L。;马,X。;吴伟强。;Wang,Y。;Zeng,B.,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,Commun。非线性科学。数字。模拟。,96,第105696条pp.(2021)·Zbl 1461.90143号
[11] Wu,L.F。;刘,S.F。;姚,L.G。;Lin,D.L.,分数阶累积灰色系统模型,Commun。非线性科学。数字。模拟。,18, 7, 1775-1785 (2013) ·Zbl 1274.62639号
[12] 马,X。;吴伟强。;曾,B。;Wang,Y。;吴晓霞,共形分数阶灰色系统模型,ISA Trans。,96, 255-271 (2020)
[13] 陈,Y。;Wu,L.F。;Liu,L.Y。;张凯,分数Hausdorff灰色模型及其性质,混沌孤子分形。,138,第109915条pp.(2020),第ID条:·Zbl 1490.62287号
[14] Wu,L.F。;刘,S.F。;Yao,L.G.,带Caputo分数阶导数的灰色模型,系统。工程理论实践。,35, 5, 1311-1316 (2015)
[15] 吴,W.Q。;马,X。;Wang,Y。;Zhang,Y.Y。;Zhang,B.,新型分数GM(α,n)模型及其应用研究,灰色系统。理论应用。,9, 3, 356-373 (2019)
[16] 吴伟强。;马,X。;曾,B。;Wang,Y。;蔡伟,新型分数阶灰色模型FAGMO(1,1,k)在预测中国核能消费中的应用,能源,165,223-234(2018),pp。
[17] 吴伟强。;马,X。;Zhang,Y.Y。;Li,W.P。;Wang,Y.,预测金砖国家二氧化碳排放的一种新的适形分数非齐次灰色模型,Sci。Total Environ.公司。,707,第135447条pp.(2020),文章ID
[18] 吴伟强。;马,X。;Wang,Y。;蔡伟(Cai,W.)。;Zeng,B.,使用新型灰色Riccati模型预测中国能源消耗,Appl。软计算。,95,文章106555页(2020),文章ID
[19] V.V.Vapnik,《统计学习理论的本质》,Springer Science&Business Media,2013年·Zbl 0833.62008号
[20] 马,X。;刘振斌,基于Arps递减模型和核方法的新型多元非线性模型预测石油产量,神经计算。申请。,29, 2, 579-591 (2018)
[21] 马,X。;刘振斌,基于核的非线性多元灰色模型,应用。数学。型号。,56, 217-238 (2018) ·Zbl 1480.62197号
[22] 马,X。;刘,Z.B。;Yong,W。;Kong,X.H.,一种新的核正则非线性GMC(1,n)模型及其应用,J.Gray Syst。,28, 3, 97-109 (2016)
[23] Chen,W.,异常扩散背后的时空结构,混沌孤子分形,28,4,923-929(2006)·Zbl 1098.60078号
[24] Podlubny,I.,《分数微分方程:分数导数、分数微分方程及其解的方法和一些应用的介绍》,数学。科学。工程,198,1-340(1999)·Zbl 0924.34008号
[25] Samko,S.G。;Kilbas,A.A。;Marichev,O.I.,分数积分和导数(1993),Gordon and Breach Science Publishers,Yverdon:Gordon和Breach科学出版社,Yverden Yverdon-les-Bains,瑞士·Zbl 0818.26003号
[26] Miller,K.S。;Ross,B.,《分数微积分和分数微分方程导论》(1993),John Wiley:John Wiley纽约·兹比尔0789.26002
[27] Oldham,K。;Spanier,J.,《分数阶微积分理论及其在任意阶微分和积分中的应用》(1974),Elsevier·Zbl 0292.26011号
[28] 毛S.H。;Gao,M.Y。;Xiao,X.P。;Zhu,M.,一种新的分数阶灰色系统模型及其应用,应用。数学。型号。,40, 7-8, 5063-5076 (2016) ·Zbl 1459.62180号
[29] 谢伟。;刘,C。;Wu,W.Z。;李,W.D。;Liu,C.,带共形分数导数的连续灰色模型,混沌孤子分形,139,第110285页(2020年),文章编号:·Zbl 1490.62293号
[30] 马,X。;谢,M。;吴伟强。;曾,B。;Wang,Y。;吴晓霞,新型分数阶离散多元灰色系统模型及其应用,应用。数学。型号。,70, 402-424 (2019) ·Zbl 1464.62389号
[31] 米尔贾利利,S。;米尔贾利利,S.M。;Lewis,A.,Gray wolf优化器,高级工程师软件。,69, 46-61 (2014)
[32] Olorunda,O。;Engelbrecht,A.P.,《使用群体多样性测量粒子群的探索/开发》,(IEEE进化计算大会论文集(IEEE计算智能世界大会)(2008),IEEE),1128-1134
[33] E.阿尔巴。;Dorronsoro,B.,《动态细胞遗传算法的探索/开发权衡》,IEEE Trans。进化。计算。,9, 2, 126-142 (2005)
[34] 林,L。;Gen,M.,《进化算法的自动调整策略:探索与开发之间的平衡》,《软计算》。,13, 2, 157-168 (2009) ·Zbl 1178.68540号
[35] 米尔贾利利,S。;Hashim,S.Z.M.,一种新的用于函数优化的混合PSOGSA算法,(计算机和信息应用国际会议论文集(2010),IEEE),374-377
[36] 米尔贾利,S.A。;哈希姆,S.Z.M。;Sardoudi,H.M.,使用混合粒子群优化和引力搜索算法训练前馈神经网络,应用。数学。计算。,218, 22, 11125-11137 (2012) ·Zbl 1282.90248号
[37] 国际可再生能源机构(IRENA),《2020年可再生能源容量统计报告》,网站:https://www.irena.org/publications/2020/Mar/Rewable-Capacity-Statistics-2020。
[38] 《中国统计年鉴》,2019年第25期,第30-33页,中国统计出版社:中国统计出版社北京
[39] 《中国能源统计年鉴(2018)》,中国统计出版社:中国统计出版社北京
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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,而不声称其完整性或完全匹配。