基于动态组合残差修正的预测方法

发布时间：2018-01-29 20:20

本文关键词： 预测组合残差精度　出处：《系统工程理论与实践》2017年07期 　论文类型：期刊论文

【摘要】：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.
[Abstract]:In this paper, a combined prediction method based on residual correction is established. Based on this method, it is proved that the choice of combination options for multiple single prediction methods according to their relative prediction errors in a certain time period can further improve the prediction accuracy. The magnitude of relative prediction error of each single prediction model dynamically selects the two models with the smallest relative prediction error to form the combined residual error to correct the prediction error of the basic method. In order to improve the accuracy of prediction. Finally, it is verified by actual air conditioning load forecasting. The results show that the dynamic combination residual correction prediction method is relative to the combination forecasting method based on multiple fixed and single forecasting methods. The prediction effect can be further improved.
【作者单位】：西安建筑科技大学信息与控制工程学院;
【基金】：国家自然科学基金(51508446) 陕西省教育厅专项科研计划项目(15JK1389) 西安建筑科技大学基础基金(JC1706)~~
【分类号】：F224
【正文快照】： 如何提高预测精度一直是预测界的热点问题,至今已有多篇文献报道了预测模型的研究成果.其中,自回归积分滑动平均模型(autoregressive integrated moving average,ARIMA)、多元线性回归模型(multiplelinear regression,MLR)、灰色预狐模型(grey model,GM)以及人工神经网络模型(

【相似文献】