摘要：为提高短期电力负荷预测精度,提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法。通过获取负荷目标预测值和残差目标预测值,实现多目标负荷预测;利用Pearson相关系数,选取与电力负荷相关性较高的影响因素;采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征;利用二次指数平滑法平滑处理负荷数据,获得残差项,通过LSTM模型训练和迭代,提取残差数据的波动性特征;将负荷预测值与残差预测值融合得到修正预测值。实验结果表明,该方法在MAE、MSE和RMSE上,对比3种负荷预测模型均有提升。

摘要：提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.

摘要：为准确可靠预测煤层厚度和构造煤厚度,以淮北矿业股份有限公司芦岭煤矿Ⅱ六采区8煤层作为研究区域,提出一种基于多目标随机森林(MTRF)方法的煤层厚度和构造煤厚度预测模型,并将预测结果与单目标预测(ART)和BP神经网络方法对比。利用粒子群算法结合遗传算法的混合优化算法对随机森林模型和单目标预测模型中的参数进行优化,分别建立参数优化的GAPSO-RF和GAPSO-ART模型。通过实例验证所提方法相比对比方法具有更好的泛化性和稳定性。