基于HPEMD和ARMA的短期风速预测

优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和

本文使用Box-Jenkins方法开发了短期股票交易预测模型。在这项研究中，使用了加纳证券交易所市场报告中2013年3月至2018年2月的月度数据来开发该模型。根据贝叶斯信息准则（BIC）将ARIMA

基于分时段多模型的短期电价预测，胡峰，邹斌，时间序列法作为电价预测中一种常用的方法，能够很好的反映电价序列的趋势性，季节性，异方差性等特点.相对于顺序时间序列变化较��

基于AP-RBF算法的电力负荷短期预测研究，刘海燕，李良祎，针对传统电力负荷短期预测方法存在的问题，利用最新智能无模型网络训练方法，提出了一种基于数据挖掘技术的径向基函数神经网络��

论文研究-基于集成智能方法的电力短期负荷预测.pdf,  将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用

提高风电出力的预测精度可降低含高渗透率风电电力系统调度、优化、规划等策略的保守性和控制策略的复杂性。该文在分析风电出力历史数据与气象因素关系的基础上，建立了基于风电出力数据驱动的短期风电功率预估–校正

基于CBRFNN的中压配电网短期节点负荷预测,余贻鑫,吴建中,中压配电网短期节点负荷预测(DSBLF)属于信息不完备、不精确类问题,这类问题很难用传统方法解决。本文根据认知科学理论,在并行�

为实现暂态功角稳定性及功角轨迹的预测,提出一种支持向量机(SVM)与长短期记忆(LSTM)网络相结合的预测方法。根据系统动态特性构造暂态特征变量,采用SVM训练暂态稳定性分类器,对暂态稳定进行初步评估

为了提高电力负荷预测的精度,应对单机运算资源不足的挑战,提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。通过引入Spark on YARN内存计算平台,将改进并行粒子群优化(IP

随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影 响,造成预测准确度下降,预算结果无法正常使用. 针对这些现象,提出一种基于多层聚类和改进BP 神经网络的