[發(fā)明專利]二階灰色神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈的短期風(fēng)速區(qū)間預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811081034.2
• 申請(qǐng)日: 2018-09-17
• 公開（公告）號(hào): CN109345009A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計(jì)）人: 王念;張靖
• 申請(qǐng)（專利權(quán)）人: 貴州大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04
• 代理公司: 貴陽中新專利商標(biāo)事務(wù)所 52100
• 代理人: 商小川

1.一種二階灰色神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈的短期風(fēng)速區(qū)間預(yù)測(cè)方法，它包括：

步驟1、建立基于二階灰色理論的風(fēng)速預(yù)測(cè)模型；

步驟2、利用神經(jīng)網(wǎng)絡(luò)算法優(yōu)化灰色風(fēng)速預(yù)測(cè)模型；

步驟3、將歷史風(fēng)速序列投入優(yōu)化后的灰色風(fēng)速預(yù)測(cè)模型進(jìn)行擬合得到擬合誤差序列；

步驟4、對(duì)誤差絕對(duì)值序列進(jìn)行分析，根據(jù)數(shù)據(jù)分布情況進(jìn)行狀態(tài)劃分；

步驟5、根據(jù)數(shù)據(jù)構(gòu)造下一步狀態(tài)轉(zhuǎn)移矩陣，并根據(jù)矩陣計(jì)算各個(gè)狀態(tài)下一步誤差轉(zhuǎn)移值的期望；

步驟6、通過誤差轉(zhuǎn)移的期望值獲取風(fēng)速區(qū)間預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種二階灰色神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈的短期風(fēng)速區(qū)間預(yù)測(cè)方法，其特征在于：它還包括：

步驟7、計(jì)算誤差指標(biāo)，對(duì)風(fēng)速區(qū)間預(yù)測(cè)進(jìn)行評(píng)估；

步驟8、輸出風(fēng)速區(qū)間預(yù)測(cè)值和誤差指標(biāo)。

3.根據(jù)權(quán)利要求1所述的一種二階灰色神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈的短期風(fēng)速區(qū)間預(yù)測(cè)方法，其特征在于：步驟1所述建立基于二階灰色理論的風(fēng)速預(yù)測(cè)模型的方法包括：

步驟1.1、將風(fēng)速歷史數(shù)據(jù)作為風(fēng)速預(yù)測(cè)模型中的輸入序列X⁽⁰⁾，

對(duì)此進(jìn)行一級(jí)疊加得到新序列

X⁽¹⁾＝[x⁽¹⁾(1),x⁽¹⁾(2),...,x⁽¹⁾(n)]

式中：

步驟1.2、建立二階灰色風(fēng)速預(yù)測(cè)模型的微分方程如下：

得到方程解為：

式(2)為預(yù)測(cè)值的解析表達(dá)式，式中λ₁，λ₂為特征方程λ²+a₁λ+a₂＝0的特征根，參數(shù)a₁，a₂，b用最小二乘估計(jì)得到初值，其計(jì)算公式為：

A＝[a₁ a₂ b]^T＝(B_N^TB_N)^-1B_N^TY_N (3)

式中分塊矩陣B_N，Y_N為

z⁽¹⁾(t)＝0.5x⁽¹⁾(t)+0.5x⁽¹⁾(t-1)

t＝2,3,…,n

而參數(shù)C₁和C₂則是通過求解方程而得。利用一階差商代替積分項(xiàng)，即：

對(duì)(2)式兩邊求導(dǎo)有：

將式(5)帶入式(4)有：

聯(lián)立式(2)和式(6)就可求出參數(shù)C₁和C₂。

步驟1.3、進(jìn)行累減生成操作，確定二階灰色理論的風(fēng)速預(yù)測(cè)模型為：

x⁽⁰⁾(t)＝x⁽¹⁾(t)-x⁽¹⁾(t-1)

x⁽⁰⁾(t)為模型得到的預(yù)測(cè)值。