导读:本文包含了动态组合预测论文开题报告文献综述及选题提纲参考文献，主要关键词:光伏功率随机性分量,波动性,类3σ准则,组合预测
动态组合预测论文文献综述
孟玲建[1]（2019）在《基于动态加权组合方法的短期光伏功率预测研究》一文中研究指出传统能源在社会生产生活中的加剧使用,给环境带来的问题已经不可小觑。在全世界倡导绿色可持续发展的前提下,新能源发电技术特别是光伏发电技术在电力能源领域有着重要的地位。但光伏功率具有一定的随机性、波动性以及不确定性,这些都可能造成电网无法安全稳定地运行。因此,光伏功率的预测对光伏发电的发展尤为重要。本文分别从光伏功率的波动性分析、光伏功率异常数据识别、短期光伏功率组合预测以及光伏功率预测误差分析等几个方面进行了相关研究。首先,在对光伏输出功率波动的分布特性进行研究时,提出混合t Location-Scale分布模型,分别对不同采样间隔下,以及国内外的光伏功率随机性分量进行描述,为光伏功率异常数据识别提供依据。其次,针对目前光伏功率异常数据识别的算法复杂繁琐且识别效果不理想。以及算法通用性差,对随机性、波动性比较强的光伏功率数据无法有效识别等问题,依据光伏功率随机性分量符合混合t Location-Scale分布模型,提出了一种类3σ准则模型对光伏功率异常数据进行识别。验证了该模型能够有效地剔除光伏功率中的异常数据值。然后,针对每个单一预测方法都存在一定的局限性,以及传统的组合预测方法如平均权重组合算法和定权重组合算法,其权重值的选取确定,不能保证每个时刻的预测误差值都是最小的等问题。提出了一种基于最小二乘法的短期光伏功率动态加权组合预测方法确定组合预测方法的权重。以美国Ashland地区的光伏电站为例,验证了动态加权组合预测方法相对于单一预测方法和传统组合预测方法,都能够有效地降低光伏功率预测误差。最后,在研究光伏功率预测误差值分布特性时,先分析了光伏功率预测误差随预测方法的不同呈现不同分布特性,而后分析了光伏功率预测误差在不同天气类型下的分布特性。以单一分布模型和混合分布模型,对不同光伏电站的预测误差进行概率密度拟合分析。(本文来源于《东北电力大学》期刊2019-05-01）
潘恺,田林亚,李成成[2]（2019）在《动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析》一文中研究指出为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。(本文来源于《勘察科学技术》期刊2019年02期）
张文德,刘静,倪必勇[3]（2019）在《基于组合预测模型的社会矛盾件数变化动态监测研究——以人民调解为例》一文中研究指出根据对我国某省司法厅等单位的实地调研,社会矛盾治理面临两大痛点:矛盾纠纷多元化解工作缺乏预测功能,业务较为滞后;各政府单位采集的数据量少且数据壁垒鲜明。为更好实现社会矛盾治理,完善矛盾纠纷预防化解机制,把握矛盾件数未来趋势变化,运用基于灰色综合关联度和GM(1,N)的组合预测模型,对2016和2017年的全国人民调解矛盾件数进行预测和检验,结果表明:该模型所需数据量少,且相较于GM(1,1)模型得到的未来趋势变化更符合人民调解工作实际。(本文来源于《福州大学学报(哲学社会科学版)》期刊2019年02期）
韩复龄,阿丽娅[4]（2018）在《资产收益的可预测性及动态管理投资组合策略研究——基于实证分析的视角》一文中研究指出本文基于一系列常用的预测变量,研究了资产收益可预测性的经济价值和统计重要性,同时运用一个检验评估了动态的、非条件有效策略的表现。研究发现,使用滞后的期限价差、信用利差和通货膨胀水平等变量显着改善了风险收益权衡。无论是样本内估计还是样本外预测,动态组合策略的表现持续优于有效"买进并持有"策略,相比于传统的条件有效策略,其交易成本更低。(本文来源于《中国证券期货》期刊2018年06期）
王战友,赵耀培[5]（2018）在《一种基于变权动态组合模型的电力负荷预测方法》一文中研究指出基于单项预测模型进行电网负荷预测已不能适应当前电网管理的要求。组合预测模型在很大程度上能够弥补单一预测方法的片面性,但在组合模型中固定负荷预测方法也存在预测不准确、可信度低等一系列问题。本文在电力负荷预测系统中引入动态组合的思想,通过自动筛选预测方法、动态配置权重,构建最优组合预测模型。实践证明,该组合预测方法比单个预测方法具有更高的预测准确性。(本文来源于《信息化研究》期刊2018年05期）
王沁,楼心怡,欧攀[6]（2018）在《基于ARIMA-PLS的动态组合模型的人均GDP预测分析》一文中研究指出本文以川陕革命老区为研究对象,首先建立了GDP的ARIMA预测模型,其次采用偏最小二乘回归PLS模型和灰色预测对GDP进行预测,从叁个不同模型充分挖掘已有的数据信息。最后利用预测的结果,构建了基于信息熵的ARIMA-PLS动态组合预测模型,提高了预测精度和可靠性,为川陕革命老区经济可持续发展提供了科学的依据。(本文来源于《现代商业》期刊2018年25期）
蒋伟,阮青松[7]（2017）在《投资组合风险预测:非线性动态依赖与市场极端行为》一文中研究指出通过构造包含股票、基金和国债指数的投资组合,综合比较了不同依赖关系模型下投资组合风险的预测表现。实证发现,非线性动态依赖关系模型明显优于其它依赖关系模型,依赖关系的对称性与否对投资组合风险预测没有明显差别。对于单个资产边际波动率模型,APARCH模型要好于本文所考虑的其它波动率模型。最后,对2015"股灾时期"的考察,证实在市场出现极端行为时结论依然成立。(本文来源于《投资研究》期刊2017年08期）
冯增喜,任庆昌[8]（2017）在《基于动态组合残差修正的预测方法》一文中研究指出本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.(本文来源于《系统工程理论与实践》期刊2017年07期）
钱双洋[9]（2017）在《云服务组合可靠性动态评估模型与预测方法研究》一文中研究指出随着Internet和云计算日新月异的发展,面向服务的计算模式在当前众多计算模式中脱颖而出。云计算作为面向服务计算的典型代表,主要是将分布在地理位置相差很远的硬件资源整合集中到一个虚拟的资源池中,用户可根据自身不同需求向资源池请求服务。决定云服务赖以长期生存和发展的关键因素之一是能不断的向用户提供可靠的计算和应用资源服务。随着服务消费者的业务不断增多和需求不断增长,功能单一的服务无法满足用户的请求。云服务系统需要将一定数量的具有不同功能的原子服务按照一定的执行顺序组合成具有某些附加功能的组合服务,并且能够保证组合之后的服务可靠性满足用户的需求。云计算系统具有规模庞大、分布式、松耦合以及网络环境复杂等特点,如何保障组合服务在组合完成之后仍具有较高的可靠性,是目前云服务系统急需解决的问题。可靠性在服务的非功能属性中占着至关重要的作用,服务可靠性的高低,直接决定了其能否按照一定的要求完成服务请求者的业务需求。增加云服务的可靠性,使得服务失效率降低,也在一定程度上降低了云服务提供者的服务成本。由于云服务和传统软硬件有着很大的区别,导致那些在传统软硬件上实施良好的可靠性模型和算法在服务可靠性上并不适用。本文首先对传统的软硬件可靠性建模和预测技术进行了研究和总结,分析其目前的研究现状,结合云服务可靠性的特点,对服务可靠性的性能指标、失效特点、模型建立、评估预测、反馈更新等技术进行深入分析和研究,提出了针对云服务特点的可靠性预测更新框架和预测更新算法。本文的主要工作体现为以下几个方面:(1)对目前可靠性研究领域和研究现状进行总结分析,对云服务和面向服务架构的系统特点进行研究,概括出了云服务系统可靠性建模面临的困难和挑战,对现有服务可靠性建模理论和预测技术进行分类和总结,为下文研究做准备。(2)充分考虑到服务双方在服务交互模型中的发挥的主观性作用,通过对服务双方信誉度进行计算,提出了基于服务双方信誉值的服务可靠性预测更新模型。利用随机Petri网和CCSPNet转换模型描述语言对服务组合框架进行形式化描述,详细了分析了BPEL业务描述语言向CCSPNet模型的转换规则和中间模型建立情况。在充分考虑到服务组合过程中具体服务的动态绑定和更新特性的基础上,提出了服务绑定图的概念,基于提出的服务绑定图对服务组合可靠性增量计算方法进行详细计算,给出不同组合逻辑结构下的组合服务可靠性增量计算方法。充分考虑到服务双方在服务交互模型中发挥的作用,提出了基于服务双方的服务交互模型。通过对服务相似集合和用户相似集合进行计算,对服务和用户进行分类,计算服务和服务之间、用户和用户之间的相似度,通过相似用户对服务的使用反馈值计算服务之间和用户之间的信誉度,对服务可靠性预测结果进行优化更新,在此基础上提出了基于服务双方信誉值的可靠性预测更新模型。(3)针对当前可靠性预测算法的算法复杂度过高、消耗历史数据过多等问题,提出了基于改进贝叶斯算法的云服务组合可靠性预测算法-IDLM。结合当前服务可靠性的特点提出相应的评价指标体系,深入分析了传统贝叶斯算法在预测过程中存在的主要问题,利用指数加权回归方法对算法中状态误差方差进行处理,解决了算法在预测过程中状态误差方法解决困难的问题,并且有效提高了预测算法的准确性。结合上面提到的服务交互模型,通过对服务双方之间的相似度进行计算,对服务和用户进行相似度分类,得出对应的相似集合。通过计算相似集合中相似服务的信誉度和相似用户的信誉度,来对预测结果进行更新和优化,进一步提高预测准确性。(4)采用开源云仿真平台Cloudsim对服务交互模型中的服务发布和服务调用进行模拟仿真,并对实验结果使用Matlab进行分析求解。对本文提出的服务交互模型和可靠性预测更新模型做出可行性分析,实验表明提出的模型在可靠性预测更新方面具有较低的失效率和较高的执行效率。对本文提出的IDLM算法进行对比试验,将本文提出的算法和几种常用的时间序列算法进行对比,分析其算法运行时间和服务失效率,实验表明,IDLM算法在可靠性预测方面具有消耗历史数据少、预测准确性高等优点。(本文来源于《解放军信息工程大学》期刊2017-04-20）
孙宏伟[10]（2017）在《考虑未来短期预测的动态投资组合选择》一文中研究指出首先,金融电子化,使得市场每天为投资者提供大量包含信息的数据。其次,计算智能的发展,使得分析海量数据信息成为可能。最后,金融市场体量的迅猛增长,表明投资者具有组合管理方法方面的潜在强烈需求。综合以上叁点,本文的研究目的在于,利用社会相关资源,创新并丰富组合管理方法;在股市短期可预测假设的基础上,汲取多维金融情报信息,支持投资决策判断,优化组合选择策略,提升资产配置质量,满足社会需求。基于上述目的,本文按照大盘环境评估-优异股选择-风险分散决策的逻辑,开发了两个融合短期预测的风险分散模型,动态地选择投资组合:Hurst-RF-MAD模型和ESN-复合Hurst指数-MAD模型。其中,Hurst-RF-MAD模型从股指趋势和个股收益类别趋势两个层次进行预测,并基于边际风险收益的概念,创新地提出了风险分散时间窗口的选择规则。ESN-复合Hurst指数-MAD模型以金融市场记忆性为基础,利用Hurst指数知识,提出复合Hurst指数概念,评价基于ESN预测所获得的投资组合未来趋势,并在这些评估结果的基础上,解决风险分散决策中的下列问题:是否建仓,买入股票;应用预测还是历史股价进行风险分散;选择有效前沿上的哪个投资组合作为持有组合。沪深A股与沪深300指数成分股的数据验证结果表明,上述两个模型能够取得明显超越沪深300指数的表现,有效地改善投资组合绩效,支持投资组合决策,是组合管理的有效方法,可以有效服务于社会投资决策需求。(本文来源于《重庆邮电大学》期刊2017-03-30）
动态组合预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态组合预测论文参考文献
[1].孟玲建.基于动态加权组合方法的短期光伏功率预测研究[D].东北电力大学.2019
[2].潘恺,田林亚,李成成.动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析[J].勘察科学技术.2019
[3].张文德,刘静,倪必勇.基于组合预测模型的社会矛盾件数变化动态监测研究——以人民调解为例[J].福州大学学报(哲学社会科学版).2019
[4].韩复龄,阿丽娅.资产收益的可预测性及动态管理投资组合策略研究——基于实证分析的视角[J].中国证券期货.2018
[5].王战友,赵耀培.一种基于变权动态组合模型的电力负荷预测方法[J].信息化研究.2018
[6].王沁,楼心怡,欧攀.基于ARIMA-PLS的动态组合模型的人均GDP预测分析[J].现代商业.2018
[7].蒋伟,阮青松.投资组合风险预测:非线性动态依赖与市场极端行为[J].投资研究.2017
[8].冯增喜,任庆昌.基于动态组合残差修正的预测方法[J].系统工程理论与实践.2017
[9].钱双洋.云服务组合可靠性动态评估模型与预测方法研究[D].解放军信息工程大学.2017
[10].孙宏伟.考虑未来短期预测的动态投资组合选择[D].重庆邮电大学.2017