新能源汽车销量预测的分解-聚类-集成方法研究

1

作者 王方 赵桉坤 +1 位作者 卜皓玥 余乐安 《运筹与管理》 北大核心 2025年第2期38-43,I0023-I0029,共13页

新能源汽车销量预测,对于政府产业布局、车企转型发展和能源部门减碳决策均具有重要意义。为提升新能源汽车月度销量预测的精度,基于“分解-集成”的建模思想,遵循“分而治之”的原则,构建了“分解-聚类-集成”预测框架。首先,通过集合... 新能源汽车销量预测,对于政府产业布局、车企转型发展和能源部门减碳决策均具有重要意义。为提升新能源汽车月度销量预测的精度,基于“分解-集成”的建模思想,遵循“分而治之”的原则,构建了“分解-聚类-集成”预测框架。首先,通过集合经验模态分解(EEMD)算法,将新能源汽车月度销量的时间序列数据分解为多个分量序列。其次,采用样本熵和K-means聚类法对分解得到的多个分量进行集聚,得到高频、中频、低频三类不同的分量序列集。然后,使用长短期记忆网络(LSTM)、差分整合移动平均自回归模型(ARIMA)和灰色预测GM(1,1)模型,分别对三类分量序列进行预测。最后,以线性加权算法进行集成,得到新能源汽车月度销量的预测结果。基于2012年1月至2022年5月我国新能源汽车销量数据的实证分析表明,提出的“EEMD-K-LSTM/ARIMA/GM(1,1)”预测模型较传统单模型和“分解集成”模型更优。 展开更多

关键词 新能源汽车 销量预测 EEMD分解 K-meanS聚类 分解-集成

在线阅读 下载PDF 职称材料

“频率匹配法”在集合降水预报中的应用研究 被引量：62

2

作者 李俊 杜钧 陈超君 《气象》 CSCD 北大核心 2015年第6期674-684,共11页

基于"频率匹配法"的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的"概率匹配平均"法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的&q... 基于"频率匹配法"的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的"概率匹配平均"法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的"预报偏差订正"法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差。(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均。(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报。 展开更多

关键词 降水预报 集合预报 频率或概率匹配 集合平均 偏差订正

在线阅读 下载PDF 职称材料

CMIP5模式对南海SST的模拟和预估 被引量：12

3

作者 黄传江 乔方利 +1 位作者 宋亚娟 李新放 《海洋学报》 CAS CSCD 北大核心 2014年第1期38-47,共10页

分析了32个CMIP5模式对南海历史海表温度(SST)的模拟能力和不同排放情景下未来SST变化的预估。通过检验各气候模式对南海历史SST增温趋势和均方差的模拟,发现大部分模式都能较好地模拟出南海20世纪历史SST的基本特征和变化规律,但也有... 分析了32个CMIP5模式对南海历史海表温度(SST)的模拟能力和不同排放情景下未来SST变化的预估。通过检验各气候模式对南海历史SST增温趋势和均方差的模拟,发现大部分模式都能较好地模拟出南海20世纪历史SST的基本特征和变化规律,但也有部分模式的模拟存在较大偏差。尽管这些模拟偏差较大的模式对SST多模式集合平均的影响不大,但会增加未来情景预估的不确定性。剔除15个模式后,分析了南海SST在RCP26、RCP45和RCP85三种排放情景下的变化趋势,发现在未来百年呈明显的增温趋势,多模式集合平均的增温趋势分别为0.42、1.50和3.30℃/(100a)。这些增温趋势在空间上变化不大,但随时间并不是均匀变化的。在前两种排放情景下,21世纪前期的增温趋势明显强于后期,而在RCP85情景下,21世纪后期的增温趋势强于前期。 展开更多

关键词 SST 南海 气候变化 预估 CMIP5 多模式集合

在线阅读 下载PDF 职称材料

一种新的集合预报权重平均方法 被引量：22

4

作者 段明铿 王盘兴 《应用气象学报》 CSCD 北大核心 2006年第4期488-493,共6页

提出了一种新的考虑权重的集合预报成员平均方法。使用气候等概率区间来对集合成员进行分组,并根据气候等概率区间的大小及其中的成员数,对集合成员的权重进行调整,得到了一种改进的集合平均预报结果。检验表明,它可以进一步提高集合平... 提出了一种新的考虑权重的集合预报成员平均方法。使用气候等概率区间来对集合成员进行分组,并根据气候等概率区间的大小及其中的成员数,对集合成员的权重进行调整,得到了一种改进的集合平均预报结果。检验表明,它可以进一步提高集合平均预报的效果。相对于提高模式分辨率或发展庞大的集合预报系统,这种方法的效果是显著的。 展开更多

关键词 集合预报 集合平均 权重 气候等概率区间

在线阅读 下载PDF 职称材料

随机强迫对集合预报效果的影响研究 被引量：4

5

作者 陈超辉 李崇银 +2 位作者 谭言科 曾新民 周祖刚 《气象学报》 CAS CSCD 北大核心 2013年第3期505-516,共12页

以Lorenz96模式为动力框架,建立了考虑模式随机强迫不确定性的集合预报系统,并选择模式气候态和集合平均预报效果为研究对象,研究随机强迫对集合预报效果的影响。结果表明,在数值模式积分过程中引入恰当的随机强迫构成的新计算范式,较... 以Lorenz96模式为动力框架,建立了考虑模式随机强迫不确定性的集合预报系统,并选择模式气候态和集合平均预报效果为研究对象,研究随机强迫对集合预报效果的影响。结果表明,在数值模式积分过程中引入恰当的随机强迫构成的新计算范式,较非随机强迫更接近真值的气候平均与气候标准差,对刻画数值模式的气候态也有正效果;且随机强迫的正效果主要体现在长时效阶段。集合平均预报方面,绝大部分白噪声随机强迫对应的集合预报效果优于非随机强迫集合预报,集合预报效果也随白噪声强迫增大非单调变化,并且非线性系统不同,相同比率的白噪声随机强迫产生的效果也不同。同时,绝大部分红噪声随机强迫对应的集合预报效果也优于非随机强迫集合预报,但仅部分φ(表示所引入外强迫的随机性部分和确定性部分相互耦合的一个度量)值对应的红噪声强迫集合预报优于白噪声随机强迫集合预报;而且红噪声随机强迫集合预报改善效果随系数φ的正负分布非对称且非单调变化。此外,相关系数φ的选择也依赖于模型。 展开更多

关键词 集合预报 随机强迫 集合平均 Lorenz96模式

在线阅读 下载PDF 职称材料

观测误差对GRAPES区域集合预报影响的敏感性试验 被引量：8

6

作者 陈浩 陈静 +2 位作者 汪矫阳 杨珊珊 夏宇 《大气科学学报》 CSCD 北大核心 2017年第2期193-201,共9页

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始... 通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。 展开更多

关键词 观测误差 GRAPES 区域集合预报 初值扰动 敏感性试验

在线阅读 下载PDF 职称材料

区域气候模拟研究中的物理集合技术 被引量：3

7

作者 钟科 王汉杰 《气象学报》 CAS CSCD 北大核心 2004年第6期776-781,共6页

文中介绍了基于MM 5有限区域模式的物理集合构造方法 ,通过对模式中的 5种物理过程加以扰动、组合而得到一个有 19个成员的物理集合系统 ,并用其对 1998年夏季发生在中国东部地区的异常洪涝天气气候特征进行了模拟研究。以集合预报的 3... 文中介绍了基于MM 5有限区域模式的物理集合构造方法 ,通过对模式中的 5种物理过程加以扰动、组合而得到一个有 19个成员的物理集合系统 ,并用其对 1998年夏季发生在中国东部地区的异常洪涝天气气候特征进行了模拟研究。以集合预报的 3种基本释用方法 ,对集合模拟产生的大量输出结果作了细致的分析 ,发现在区域气候模拟中 ,引入物理集合是可行的 ;它为区域气候数值研究提供了更多的手段和信息 ;集合系统存在的不足之处在于 :集合成员间离散程度不足、集合模拟范围较狭窄 ,这使得离差对误差的实际预报能力低于潜在预报能力 ,也使集合概率预报的精度降低。 展开更多

关键词 区域气候模拟 概率预报 集合预报 释用方法 天气气候特征 MM5 预报能力 对集 构造方法 物理

在线阅读 下载PDF 职称材料

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报 被引量：38

8

作者 智协飞 黄闻 《大气科学学报》 CSCD 北大核心 2019年第2期197-206,共10页

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波... 利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。 展开更多

关键词 卡尔曼滤波 消除偏差集合平均 多模式集成预报 TIGGE

在线阅读 下载PDF 职称材料

模糊核聚类支持向量机集成模型及应用 被引量：8

9

作者 张娜 张永平 《计算机应用》 CSCD 北大核心 2010年第1期175-177,共3页

为了进一步提高支持向量机在回归预测中的精度,提出一种基于模糊核聚类的最小二乘支持向量机集成方法。该方法采用模糊核聚类算法根据相互独立训练出的多个LS-SVM在验证集上的输出对其进行分类,并计算每一类中的所有个体在独立验证集上... 为了进一步提高支持向量机在回归预测中的精度,提出一种基于模糊核聚类的最小二乘支持向量机集成方法。该方法采用模糊核聚类算法根据相互独立训练出的多个LS-SVM在验证集上的输出对其进行分类,并计算每一类中的所有个体在独立验证集上的泛化误差,然后取其中平均泛化误差最小的个体作为这一类的代表,最后经简单平均法得到集成的最终预测输出。在短期电力负荷预测中的实验结果表明,该方法具有更高的精确度。 展开更多

关键词 最小二乘支持向量机 模糊核聚类 集成学习 短期负荷预测

在线阅读 下载PDF 职称材料

TIGGE模式在淮河水系史河流域的应用 被引量：6

10

作者 王建群 段蓉 蔡晨凯 《河海大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第1期14-21,共8页

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和... 为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。 展开更多

关键词 TIGGE 降水预报评估 集合预报方法 人工神经网络 支持向量回归 消除偏差集合平均法 史河流域

在线阅读 下载PDF 职称材料

基于机器学习的华北气温多模式集合预报的订正方法 被引量：54

11

作者 门晓磊 焦瑞莉 +7 位作者 王鼎 赵晨光 刘亚昆 夏江江 李昊辰 严中伟 孙建华 王立志 《气候与环境研究》 CSCD 北大核心 2019年第1期116-124,共9页

模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归(Ridge)、随机森林(Random Forest,RF)和深度学习(Deep Learning,DL)的3种后处理模型,基于中国气象局(CMA)的B... 模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归(Ridge)、随机森林(Random Forest,RF)和深度学习(Deep Learning,DL)的3种后处理模型,基于中国气象局(CMA)的BABJ模式、欧洲中期天气预报中心(ECMWF)的ECMF模式、日本气象厅(JMA)的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月(训练期)近地面2 m气温预报和实况资料确定各模型参数,进而对2016年10月至2017年9月(预报期)华北地区(38°N～43°N,113°E～119°E)的逐日地面2m气温预报进行了多模式集合预报分析。采用均方根误差对预报效果进行评估,这3种后处理模型的预报效果和4个数值天气预报模式以及通常的多模式集合平均(Ensemble Mean,EMN)的预报效果的对比表明:1)随着预报时长增加,4个数值预报模式及各种后处理模型的均方根误差均呈上升趋势;但区域平均而言,Ridge、RF和DL的预报效果在任何预报时长上都明显优于EMN和单个天气预报模式;特别是前几天的短期预报DL的预报效果更好,中后期预报Ridge的预报效果略好。2)华北地区的东南部均方根误差较小,其余格点上均方根误差较高,从空间分布而言,DL的订正预报效果最好,3种机器学习模型的误差在1.24～1.26°C之间,而EMN的误差达1.69°C。3)夏季各种方法的预报效果都较好,冬季预报效果都较差;但是Ridge、RF和DL的预报效果明显优于EMN,这3种模型预报的平均均方根误差在2.15～2.18°C之间,而EMN的平均均方根误差达2.45°C。 展开更多

关键词 地面2m气温 多模式集合平均 岭回归 随机森林 深度学习

在线阅读 下载PDF 职称材料

京津冀及其周边地区“2+26”城市PM2.5的蒙特卡罗集合预报试验 被引量：3

12

作者 曹凯 唐晓 +7 位作者 孔磊 王威 吴倩 黄树元 张佩文 韩丽娜 吴其重 王自发 《气候与环境研究》 CSCD 北大核心 2021年第2期181-190,共10页

本文在嵌套网格空气质量预报模式系统(NAQPMS)的基础上,结合蒙特卡罗模拟方法搭建了多扰动的空气质量集合预报系统。利用该系统对京津冀及其周边地区“2+26”城市的PM2.5浓度进行预报试验,试验时段为2017年9~12月,模式水平分辨率为15 k... 本文在嵌套网格空气质量预报模式系统(NAQPMS)的基础上,结合蒙特卡罗模拟方法搭建了多扰动的空气质量集合预报系统。利用该系统对京津冀及其周边地区“2+26”城市的PM2.5浓度进行预报试验,试验时段为2017年9~12月,模式水平分辨率为15 km。研究发现,基于蒙特卡罗集合预报系统,采用“集合样本优选”均值集成法能显著提升PM2.5预报精度,大幅减小预报偏差。与所有集合样本的均值集成法相比,该方法将PM2.5预报均方根误差(RMSE)由58.0μg m^(−3)降低至34.7μg m^(−3),将模拟—观测两倍因子百分比(FAC2)由67%提升至87%。此外,“集合样本优选”均值集成法对各污染等级的整体预报效果优于均值集成法。本文结果可为改进城市PM2.5预报效果和减小PM2.5预报偏差提供参考。 展开更多

关键词 集合预报 蒙特卡罗方法 “2+26”城市 “集合样本优选” 均值集成

在线阅读 下载PDF 职称材料

消除偏差集合平均在黄海渤海大风预报中的应用 被引量：3

13

作者 朱桦 智协飞 俞永庆 《安徽农业科学》 CAS 北大核心 2011年第6期3547-3550,共4页

基于日本气象厅预报模式（JMA）、美国国家环境预报中心预报模式（NCEP GFS）及美国海军全球大气预报谱模式（NOGAPS）3个模式2009年6月28日~8月10日每日20：00预报的海面风场预报资料,利用消除偏差集合平均对海面风场进行预报试验,并... 基于日本气象厅预报模式（JMA）、美国国家环境预报中心预报模式（NCEP GFS）及美国海军全球大气预报谱模式（NOGAPS）3个模式2009年6月28日~8月10日每日20：00预报的海面风场预报资料,利用消除偏差集合平均对海面风场进行预报试验,并采用均方根误差对预报结果进行检验评估。结果表明,对于24、48 h海面风场预报,消除偏差集合平均有效地减小了预报的均方根误差,预报效果优于单个模式的预报;其中,渤海中部偏南地区及黄海中部误差减小最为明显。此外,消除偏差集合平均预报明显改善了2009年7月13~14日和8月7日大风过程的预报效果,提高了风速值和大风区位置的预报准确率。 展开更多

关键词 消除偏差集合平均 黄海渤海大风 均方根误差 预报技巧

在线阅读 下载PDF 职称材料

基于BGM的对流尺度集合预报试验及其检验 被引量：13

14

作者 马申佳 陈超辉 +2 位作者 何宏让 李湘 李毅 《高原气象》 CSCD 北大核心 2018年第2期495-504,共10页

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用... 基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。 展开更多

关键词 对流尺度 集合预报 BGM 概率匹配平均法 检验

在线阅读 下载PDF 职称材料

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用 被引量：10

15

作者 肖宇 《环境科学研究》 CAS CSCD 北大核心 2022年第12期2693-2701,共9页

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO_(2)、O_(3)、PM_(2.5)和PM_(10))的空气质量模型预报结果进行订正.订正方法分为两步,第一步中利用随机森林、极端... 应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO_(2)、O_(3)、PM_(2.5)和PM_(10))的空气质量模型预报结果进行订正.订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果.结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO_(2)、O_(3)、PM_(2.5)和PM_(10)浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%.②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO_(2)、O_(3)、PM_(2.5)和PM_(10)浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%.③在易发生污染的秋冬季,ET-BPNN算法对PM_(2.5)浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性.④对O_(3)和PM_(2.5)浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确.研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果. 展开更多

关键词 机器学习 模式集合平均算法 多模式集合预报订正算法(ET-BPNN算法)

在线阅读 下载PDF 职称材料

基于Attention-LSTM与多模型集成的短期负荷预测方法 被引量：22

16

作者 朱继忠 苗雨旺 +3 位作者 董朝阳 董瀚江 陈梓瑜 李盛林 《电力工程技术》 北大核心 2023年第5期138-147,共10页

目前深度学习技术发展快速,针对其在短期负荷预测任务中处理离散数据效果较差以及泛化性不佳的问题,提出一种基于注意力机制的长短期记忆网络(long short-term memory network with attention mechanism,Attention-LSTM)与Stacking多模... 目前深度学习技术发展快速,针对其在短期负荷预测任务中处理离散数据效果较差以及泛化性不佳的问题,提出一种基于注意力机制的长短期记忆网络(long short-term memory network with attention mechanism,Attention-LSTM)与Stacking多模型集成的负荷预测方法,可以兼顾二者优势。首先,利用均值编码的方式处理离散特征,接着应用Attention-LSTM对负荷数据进行特征提取,再将处理后的数据一同输入到基于Stacking的多模型集成预测模型中,通过3种基学习器对输入特征进行分析处理,最终通过元学习器完成预测。算例使用2个数据集中的实际负荷数据进行分析,对2个数据集中的负荷数据分别进行预测,并与门控学习单元、轻量级梯度提升机、支持向量机方法进行对比。仿真结果表明,所提方法在2个数据集的预测精度均能够超过98%,比其他3种方法的预测精度更高。 展开更多

关键词 电力系统 短期负荷预测 长短期记忆网络 Stacking集成学习 注意力机制 均值编码

在线阅读 下载PDF 职称材料

新型局地增长模培育法对两次飑线个例的对流尺度集合预报试验 被引量：6

17

作者 李坤 陈超辉 +2 位作者 何宏让 马申佳 姜勇强 《大气科学学报》 CSCD 北大核心 2021年第4期518-528,共11页

利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统... 利用局地增长模培育法对两次典型飑线过程进行了对流尺度集合预报试验,通过与传统增长模培育法对比,检验了局地增长模培育法的实际预报效果。通过概率匹配平均处理后,将降水预报结果与实况资料进行对比分析,并用分数技巧评分来代替传统公平技巧评分实现对降水结果的合理检验,得出结论:1)在飑线降水预报上,局地增长模培育法优于增长模培育法。2)分数技巧评分比公平技巧评分更好地反映对流尺度集合预报能力,特别是在大暴雨量级降水评估上。3)降水评分结果显示,集合平均对于小雨、中雨和大雨级别降水的预报技巧高于概率匹配平均,概率匹配平均对于暴雨和大暴雨级别降水更有优势。 展开更多

关键词 局地增长模培育法 对流尺度集合预报 概率匹配平均 分数技巧评分

在线阅读 下载PDF 职称材料