文献知网节
  • 记笔记

基于改进自回归移动平均算法的能耗预测

刘宏利高子鹏

天津理工大学电气电子工程学院

摘要:本文针对经验模态分解算法与自回归移动平均算法两种结合模型(EMD-ARMA)预测数据准确度不足的问题,运用经验模态分解算法(EMD)、自回归移动平均模型(ARMA)和多项式拟合模型三者相结合的方法对小样本电能能耗数据进行预测,最终提高预测结果的准确度.本文首先利用经验模态分解算法对原始能耗数据样本进行分解,提取该能耗样本不同频率的特征分量(IMFx);然后设定频率阈值,针对高频分量和低频分量建立不同的拟合模型;最终将分量预测结果进行合成,得到总体预测结果.仿真结果表明,EMD-ARMA模型的平均绝对误差1.984 2,本文模型的平均绝对误差1.616 8,提高了预测结果的准确度.
  • 专辑:

    理工C(机电航空交通水利建筑能源); 理工A(数学物理力学天地生)

  • 专题:

    数学; 建筑科学与工程

  • 分类号:

    O212.1;TU984.114

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:21 页码:28-32 页数:5 大小:1307K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者