期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Bayesian-LSSVM和残差修正的用户短期需水量预测
被引量：
3
1
作者
吴珊
宋凌硕
+1 位作者
侯本伟
寇晓霞
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2019年第8期88-96,共9页
为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模...
为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模型(BL模型),得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型(RM模型),得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型(BL+RM模型)明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.
展开更多
关键词
短期需水量预测
残差修正
贝叶斯最小二乘支持向量机
混沌时间序列
预测
在线阅读
下载PDF
职称材料
采用核极限学习机的短期需水量预测模型
被引量：
9
2
作者
韩宏泉
吴珊
侯本伟
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022年第2期17-24,共8页
为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier series,F...
为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier series,FS),利用该模块对需水量初始预测值与观测值之间的差值进行建模,完成对初始预测值的残差修正,将该模块叠加于KELM模型上形成了组合预测模型(KELM+FS)。通过实际数据对模型进行性能测试,结果表明:KELM模型能够与人工神经网络模型、支持向量回归模型产生相似的预测精度,但预测时间仅为二者平均值的5%左右;组合模型KELM+FS在未显著增加预测时间的前提下,比KELM模型相对预测精度提升了12%左右。在用于短期需水量预测时,无论单一模型KELM还是组合模型KELM+FS都能达到有效提升预测效率的目的。
展开更多
关键词
短期需水量预测
核极限学习机
组合模型
傅里叶级数
残差修正
在线阅读
下载PDF
职称材料
题名
基于Bayesian-LSSVM和残差修正的用户短期需水量预测
被引量：
3
1
作者
吴珊
宋凌硕
侯本伟
寇晓霞
机构
北京工业大学建筑工程学院
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2019年第8期88-96,共9页
基金
国家水体污染控制与治理科技重大专项(2017ZX07108-002)
国家自然科学基金(51508528)
文摘
为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模型(BL模型),得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型(RM模型),得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型(BL+RM模型)明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.
关键词
短期需水量预测
残差修正
贝叶斯最小二乘支持向量机
混沌时间序列
预测
Keywords
short-term water demand forecast
residual correction
Bayesian least squares support vector machine
chaotic time series prediction
分类号
TU991.33 [建筑科学—市政工程]
在线阅读
下载PDF
职称材料
题名
采用核极限学习机的短期需水量预测模型
被引量：
9
2
作者
韩宏泉
吴珊
侯本伟
机构
北京工业大学城市建设学部
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022年第2期17-24,共8页
基金
国家水体污染控制与治理科技重大专项(2017ZX07108-002)
国家自然科学基金(51978023)。
文摘
为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier series,FS),利用该模块对需水量初始预测值与观测值之间的差值进行建模,完成对初始预测值的残差修正,将该模块叠加于KELM模型上形成了组合预测模型(KELM+FS)。通过实际数据对模型进行性能测试,结果表明:KELM模型能够与人工神经网络模型、支持向量回归模型产生相似的预测精度,但预测时间仅为二者平均值的5%左右;组合模型KELM+FS在未显著增加预测时间的前提下,比KELM模型相对预测精度提升了12%左右。在用于短期需水量预测时,无论单一模型KELM还是组合模型KELM+FS都能达到有效提升预测效率的目的。
关键词
短期需水量预测
核极限学习机
组合模型
傅里叶级数
残差修正
Keywords
short-term water demand prediction
kernel-based extreme learning machine
hybrid model
Fourier series
residual correction
分类号
TU991 [建筑科学—市政工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Bayesian-LSSVM和残差修正的用户短期需水量预测
吴珊
宋凌硕
侯本伟
寇晓霞
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
2
采用核极限学习机的短期需水量预测模型
韩宏泉
吴珊
侯本伟
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
