外文翻译--改进的灰色预测模型在电力需求上的应用.docVIP

毕业设计(论文)外文资料翻译 题 目: 改进的灰色预测模型在电力需求上的应用 专业班级： 信计F0901 学生姓名： XXXXXX 学 号： XXXXXXXXXX 指导教师： XXXXX 教师职称： 副教授 起止日期：2013-3-11～3-22 地点:XXXXXXXXXXXXXXXXXXX 附 件： 1.外文资料翻译译文；2.外文原文. 指导教师评语： 签名： 2013年 3月 22 日 附件1：外文资料翻译译文? 改进的灰色预测模型在电力需求上的应用 工业议员姜旭，陈嘉勇 工业工程与管理系，南殿青年技术学院， ???178超群，颜水，路，台湾，台南海信73701号 资源工程研究所，台南国立成功大学，大学路1 TA-70101，台湾，ROC ???2002年7月102002年10月28日灰色理论是一个真正的多学科和通用的理论，即处理系统信息和或信息缺乏.本文提出了一种改进的灰色GM(1，1)模型，它采用了人工神经网络符号估计的方法去进行残差的修正.在本文中，我们用台湾的电力需求预测案例来研究我们所提出的方法的效率和准确性.根据实验结果得知，我们提出的新方法明显比原来的灰色模型提高了预测的准确性. ?2003年由Elsevier Science有限公司发表 关键词：灰色理论 改进灰色GM(1,1)模型 人工神经网络 1. 介绍 灰色理论，最初是由邓[1]提出，它是一个真正的多学科的和通用的理论，即在处理的系统具有信息较少和/或信息较缺乏的特点时.灰色系统理论所涵盖的领域包括系统分析，数据处理，建模预测，决策和控制.灰色系统理论主要适用于系统分析在信息较少，不完整或不确定时的条件下.灰色预测模型已被广泛应用于在许多方面[2-10].相比与统计方法，时间序列灰色模型中的原始系列基数叫做GM(1,1)灰色模型，已被证明需要是四个以上[11].此外，在应用灰色理论时，关于数据的统计分布假设是没有必要的.累加生成操作（AGO）是灰色理论最重要的一个特点，其主要的目的是为了减少数据的随机性.事实上，来自原始的系列的累加生成操作AGO公式函数也很好的适用于指数函数. 在本文中，我们引入了一个新的方法，它结合了残差的修正和残差的人工神经网络符号估计，以此来提高原来灰色GM(1，1)模型的准确性.此外，我们使用台湾的电力需求预测作为我们的案例进行研究，用来检验模型的可靠性与准确性. 原始灰色GM(1，１)预测模型 灰色GM(1,1)模型是最常用的灰色预测模型之一.该模型是一个时间序列预测模型, 它包含了一组适用于参数方差的微分方程，而不是一阶微分方程.这个方程和一般差分方程不同，它是随着时间而变化的差分方程.虽然它没有必要采用原始系列的所有数据去构建GM(1,1)灰色模型，但是序列的基数必须超过4个.此外，数据点选取必须以相等的时间间隔，而且是连续序列不能跳过任何数据[11]，GM(1，1)灰色模型的构建过程如下： 记录的原始序列 　 ( 1 ) 其中ｎ是观察到的年份. 累加生成AGO的形成定义为： ( 2 ) 其中 　　 ( 3 ) GM(1，1)灰色模型可以通过建立一个 的一阶微分方程被构造. ( 4 ) 因此，方程（4）的解可以通过最小二乘法的方法得到，即 , ( 5 ) 其中 ( 6 ) ( 7 ) ( 8 ) 我们从方程（５）得到了 ，是拟合和预测序列， 　　　　　　　　　　　 　　 ( 9 ) 其中 用逆累加生成操作AGO，我们有 ( 10 ) 其中叫做灰色GM(1,1)拟合序列，而称为灰色GM(1，1)模型的预测值. 改进的灰色预测模型 邓［1］ 还提出了一种残差修正模型，即修正灰色GM(1，