考虑季节性与趋势特征的光伏功率预测模型研究 被引量：1

1

作者 王东风 李青博 +1 位作者 张博洋 黄宇 《太阳能学报》 北大核心 2025年第3期348-356,共9页

针对光伏功率预测中未充分考虑光伏功率季节性与趋势特征的问题,提出一种基于Neural-Prophet(NP)与深度神经网络的光伏功率预测方法。首先,通过互信息法筛选出影响光伏功率的主要因素,利用NP模型对光伏功率建模得到光伏功率的季节性与... 针对光伏功率预测中未充分考虑光伏功率季节性与趋势特征的问题,提出一种基于Neural-Prophet(NP)与深度神经网络的光伏功率预测方法。首先,通过互信息法筛选出影响光伏功率的主要因素,利用NP模型对光伏功率建模得到光伏功率的季节性与趋势特征,将季节性与趋势特征及主要影响因素作为模型输入。其次,采用改进残差网络(ResNet)和双向门控循环单元(BiGRU)建立NP-ResNet-BiGRU光伏功率预测模型并完成光伏功率预测。利用春夏秋冬四季的数据进行实验,结果显示相较于其他方法,所提方法的MAE至少提升7.44%,RMSE至少提升4.62%。 展开更多

关键词 光伏发电 预测 神经网络 残差网络 neural-prophet

原文传递

基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测 被引量：1

2

作者 陈宇航 王渝红 +3 位作者 南璐 何川 王腾鑫 张敏 《现代电力》 北大核心 2025年第2期352-359,共8页

为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到... 为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到相似日集合,而后采用相似日数据对BP神经网络进行训练得到单点负荷值预测结果。其次,重点考虑历史数据的周期性和时序变化趋势,基于Prophet时序模型对历史负荷数据进行周期非线性拟合。通过历史数据拟合误差反馈,调整优化模型的关键超参数,最后基于误差倒数法组合得到短期负荷预测结果。以某地区电力负荷数据作为算例验证,结果表明所提的改进预测模型预测精度更高,且在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。 展开更多

关键词 短期负荷预测 PROPHET 自组织映射-前馈 神经网络 时间序列

原文传递

基于变分模态分解的综合能源系统短期电负荷预测 被引量：3

3

作者 苏子越 柴琳 +1 位作者 谢亮 肖凡 《热力发电》 CAS CSCD 北大核心 2024年第12期21-28,共8页

针对综合能源系统负荷复杂多变、耦合性强的特点,提出一种基于变分模态分解(variational modedecomposition,VMD)、Prophet模型、长短时记忆(long-andshort-termmemory network,LSTM)神经网络、差分自回归移动平均(autoregressive integ... 针对综合能源系统负荷复杂多变、耦合性强的特点,提出一种基于变分模态分解(variational modedecomposition,VMD)、Prophet模型、长短时记忆(long-andshort-termmemory network,LSTM)神经网络、差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的Prophet-VAL组合预测模型,用于综合能源系统短期电负荷预测。首先,通过VMD获取不同中心频率和较为稳定的电负荷本征模态函数;接着,根据过零率值的大小将不同模态分量分成高频和低频时序分量,并使用Prophet模型将高频分量进行时序特征提取;最后,通过ARIMA预测模型对低频分量进行预测,使用LSTM神经网络模型对高频分量进行预测,将各自的预测结果进行叠加得到最终的电负荷预测结果。将所提方法应用于实际综合能源系统,实际算例分析表明,所提出的组合预测模型预测性能良好。 展开更多

关键词 综合能源系统 负荷预测 变分模态分解 LSTM神经网络 Prophet模型

在线阅读 下载PDF 职称材料

基于Prophet-BP模型的猪肉价格预测研究 被引量：3

4

作者 叶勇 许潘 +1 位作者 辜丽川 王超 《黄山学院学报》 2021年第5期75-80,共6页

利用科学的技术对猪肉价格的变化趋势做出推断,对相关企业经营者、养殖户而言有助于从宏观的角度看待猪肉价格的未来走势,及时发现不足调整策略,对未来的发展具有一定的参考意义。以猪肉价格数据作为研究对象,针对实际时间序列的应用问... 利用科学的技术对猪肉价格的变化趋势做出推断,对相关企业经营者、养殖户而言有助于从宏观的角度看待猪肉价格的未来走势,及时发现不足调整策略,对未来的发展具有一定的参考意义。以猪肉价格数据作为研究对象,针对实际时间序列的应用问题,提出了一种Prophet-BP组合预测方法,利用Prophet模型将猪肉价格时间序列的确定性波动进行预测,同时结合新闻情感序列等相关指标,使用BP神经网络对猪肉价格时间序列中的随机非线性部分进行预测,把Prophet和BP模型预测值叠加所得为最终预测值。实验结果表明,结合舆情的Prophet-BP组合模型实验效果最优。 展开更多

关键词 猪肉价格 Prophet模型 神经网络

在线阅读 下载PDF 职称材料

基于LSTM-NeuralProphet模型的城市需水预测方法研究 被引量：5

5

作者 范怡静 刘真 +1 位作者 苑佳 刘心 《中国农村水利水电》 北大核心 2023年第9期35-45,53,共12页

城市水资源规划和管理是确保城市可持续发展和居民生活基本需求得到满足的关键环节,城市短期需水预测是城市水资源规划和管理的基础。由于气温、降水量和蒸发量等随季节变化明显,直接影响不同季节的用水峰值、高峰期,导致传统基于时间... 城市水资源规划和管理是确保城市可持续发展和居民生活基本需求得到满足的关键环节,城市短期需水预测是城市水资源规划和管理的基础。由于气温、降水量和蒸发量等随季节变化明显,直接影响不同季节的用水峰值、高峰期,导致传统基于时间序列算法的固定时隙预测无法适应时隙的变化,从而不能保证预测精度。针对固定时隙预测精度低的问题,研究了基于四季24 h时间分辨率和夏季15 min时间分辨率的双时间尺度城市短期需水预测模型。该模型使用Anomaly-Transformer模型进行异常值检测,并通过分段曲线拟合对异常值校正,采用主成分分析法对城市短期需水影响因子进行分析提取主成分,在AutoML的标准模型分析中选取三个效果最好的模型作为Stacking模型的基学习器再结合长短期记忆网络(Long Short-Term Memory,LSTM)和Optune框架超参数优化后的NeuralProphet模型对双时间尺度的城市短期需水量进行预测,同时加入安全网机制,以保证LSTM-NeuralProphet模型的精确度。与其他模型(LSTM模型、NeuralProphet模型、BP神经网络模型)相比,LSTM-NeuralProphet模型的平均绝对误差在四季24 h时间分辨率的数据集上降低了0.18%~1.96%,在夏季15 min时间分辨率的数据集上降低了0.45%~11.90%。实验结果表明,LSTM-NeuralProphet模型具有更好的拟合效果和更高的预测精度,能较准确地预测双时间尺度下的城市需水量,可以较好地应用于城市短期需水预测研究中。 展开更多

关键词 双时间尺度 城市需水预测 长短期记忆网络 NeuralProphet模型 LSTM-NeuralProphet模型

在线阅读 下载PDF 职称材料

基于Prophet的生姜价格预测研究 被引量：10

6

作者 滕金玲 柳平增 +3 位作者 张艳 许世卫 徐光丽 韩蔚 《中国农机化学报》 北大核心 2020年第8期211-216,共6页

针对农产品价格波动的非线性特征明显、传统时间序列预测方法预测精度不高等状况,构建基于Prophet的农产品价格预测模型,并以生姜为例展开研究。选取2012—2018年生姜每周平均价格数据为研究对象,在对生姜价格的趋势周期分解基础上,通... 针对农产品价格波动的非线性特征明显、传统时间序列预测方法预测精度不高等状况,构建基于Prophet的农产品价格预测模型,并以生姜为例展开研究。选取2012—2018年生姜每周平均价格数据为研究对象,在对生姜价格的趋势周期分解基础上,通过对生姜价格序列分解的趋势项、周期项和随机项分别进行建模组合实现对2019年上半年生姜价格的预测,并利用统计分析方法对模型性能进行评估。试验结果表明,Prophet算法预测结果的平均相对误差为4%。将Prophet模型的预测结果和BP神经网络预测结果进行比较,其均方误差(MSE为0.20)小于BP神经网络预测结果的均方误差(MSE为0.37)。Prophet预测模型具有较高的预测精度,在农产品价格预测方面具有较广阔的应用前景。 展开更多

关键词 价格预测 Prophet算法 神经网络 预测模型 生姜

在线阅读 下载PDF 职称材料

新型电力AMI系统中基于Neural Prophet模型的电力负荷预测与修补研究 被引量：17

7

作者 俞胜 黄福兴 +2 位作者 冯艳丽 叶天地 袁培森 《智慧电力》 北大核心 2023年第5期44-50,共7页

针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归... 针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归模块3个模块组合进行电力负荷精准预测,可解决AMI系统的负荷数据修补问题。在电力负荷数据集上进行实验,结果表明所提方法与负荷预测经典算法相比具有较优的准确性且具有参数可解释的优势。所提方法可对AMI系统中有问题的电力负荷异常数据进行有效修改,对缺失的电力负荷数据进行填补。 展开更多

关键词 新型电力系统 AMI系统 数据修补 NeuralProphet 电力负荷预测 电力负荷修补

在线阅读 下载PDF 职称材料

基于Prophet-LSTM组合模型的短期负荷预测方法 被引量：27

8

作者 彭湃 刘敏 《电力系统及其自动化学报》 CSCD 北大核心 2021年第11期15-20,共6页

针对短期负荷预测精度问题,提出一种基于Prophet加法模型和长短期记忆LSTM(long-short termmemory)网络的组合模型的短期负荷预测方法。首先分别建立Prophet预测模型和LSTM预测模型,然后采用最小二乘法对两种方法取不同的权重组合,得到... 针对短期负荷预测精度问题,提出一种基于Prophet加法模型和长短期记忆LSTM(long-short termmemory)网络的组合模型的短期负荷预测方法。首先分别建立Prophet预测模型和LSTM预测模型,然后采用最小二乘法对两种方法取不同的权重组合,得到新的模型并进行预测。以2014年全球能源预测竞赛(GEFCom2014)的电力负荷数据作为算例验证。实验结果表明,与ARIMA模型预测方法、随机森林模型负荷预测模型方法和标准Prophet和LSTM负荷预测方法相比,所提负荷预测方法所得结果具有更高的预测精度。 展开更多

关键词 PROPHET 神经网络 最小二乘法 短期负荷预测

在线阅读 下载PDF 职称材料

Prophet-LSTM组合模型的销售量预测研究 被引量：43

9

作者 葛娜 孙连英 +1 位作者 石晓达 赵平 《计算机科学》 CSCD 北大核心 2019年第B06期446-451,共6页

预测某种产品销售量的短期及长期变化趋势对企业制定营销战略和优化产业布局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量... 预测某种产品销售量的短期及长期变化趋势对企业制定营销战略和优化产业布局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量的Prophet-LSTM神经网络组合模型,设计并实现了与组合前Prophet、LSTM单项模型及两种典型时间序列预测模型的对比实验。实验结果验证了Prophet-LSTM组合预测模型在销量时间序列分析中具有更强的适用性和更高的准确性,为该企业应对市场需求变化提供了重要的科学依据。 展开更多

关键词 Prophet模型 长短时记忆神经网络 销售预测 时间序列模型

在线阅读 下载PDF 职称材料

Prophet-Elman残差改正电离层TEC短期预报模型 被引量：6

10

作者 黄佳伟 鲁铁定 +1 位作者 贺小星 李威 《大地测量与地球动力学》 CSCD 北大核心 2021年第8期783-788,共6页

针对电离层TEC非线性、非平稳的特点,建立一种基于Prophet与Elman神经网络相结合的残差改正电离层短期预报模型。利用该模型对IGS提供的不同太阳活动程度期间的电离层TEC时间序列进行建模预报。结果显示,改正模型能够反映电离层TEC的变... 针对电离层TEC非线性、非平稳的特点,建立一种基于Prophet与Elman神经网络相结合的残差改正电离层短期预报模型。利用该模型对IGS提供的不同太阳活动程度期间的电离层TEC时间序列进行建模预报。结果显示,改正模型能够反映电离层TEC的变化特征,在太阳活动低年和太阳活动高年预报的平均相对精度分别为92.9%和92.2%,均方根误差分别为0.94 TECu和1.77 TECu,精度较Prophet-Elman模型及单一Elman模型有显著提高。 展开更多

关键词 电离层总电子含量 Prophet模型 ELMAN神经网络 残差改正 短期预测

在线阅读 下载PDF 职称材料

基于Prophet+LSTM模型的煤矿井下工作面矿压预测研究 被引量：23

11

作者 曾庆田 吕珍珍 +3 位作者 石永奎 田广宇 林泽东 李超 《煤炭科学技术》 CAS CSCD 北大核心 2021年第7期16-23,共8页

为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方... 为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方法减少噪声和随机误差;其次在深入分析Prophet模型和LSTM模型特性基础上,通过添加额外回归变量方法融合相邻多支架矿压数据;最后为充分利用Prophet模型和LSTM模型的优势,构建了一种Prophet+LSTM组合模型对工作面矿压进行预测,通过线性加权组合方法获取最有权重系数使模型预测结果误差逐步减少。以均方根误差(RMSE)和平均绝对误差(MAE)来评估Prophet+LSTM模型对矿压时间序列的预测效果。预测模型在某矿工作面支架矿压时序数据的应用结果表明:经过数字信号处理后的支架矿压预测结果RMSE和MAE分别下降了约20%和16%,Prophet模型和LSTM模型的预测结果优于传统的BP神经网络和ARIMA模型,且Prophet+LSTM模型预测方法较其单项模型具有更强的稳定性和更高的准确性,实现了对工作面在推进过程中矿压变化的有效预测。该预测方法对煤矿井下工作面矿压预测提供了研究思路。 展开更多

关键词 矿压预测 时间序列预测 Prophet模型 LSTM神经网络

在线阅读 下载PDF 职称材料

Prophet-LSTM混合模型对卷烟投放的预测 被引量：5

12

作者 马勋政 张吴波 《牡丹江师范学院学报（自然科学版）》 2022年第4期29-34,共6页

建立Prophet-LSTM混合模型,预测烟草公司卷烟投放策略对卷烟市场的影响.采用湖北省十堰市2019年7月到2020年12月的卷烟投放数据,建立Prophet-LSTM混合模型.实验结果表明,Prophet-LSTM混合模型有着较好的预测精度,适合对卷烟投放进行预测.

关键词 Prophet模型 时间序列预测 LSTM模型 BP神经网络

在线阅读 下载PDF 职称材料

不同预测算法在简单交通场景中的应用比较

13

作者 周涛 徐延军 《上海船舶运输科学研究所学报》 2021年第3期36-42,共7页

为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经... 为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经网络和Prophet时间序列预测算法建立交通流预测模型。通过对比分析发现,3种预测模型在解决交通流预测问题方面均表现良好,相比之下,LSTM在模型拟合和预测精度方面表现更好,泛化能力更强,且在影响因素设置方面更为灵活。在以后的研究中,可采用LSTM,结合调参方法解决更多交通场景下的交通流预测问题。 展开更多

关键词 自回归积分滑动平均模型 长短期记忆循环神经网络 Prophet时间序列 预测算法 交通流

在线阅读 下载PDF 职称材料

基于应变监测数据预测值的藏式古建筑木结构健康状态评估

14

作者 杨娜 李天昊 赵恭民 《工程力学》 EI 北大核心 2023年第2期112-123,134,共13页

为增加藏式古建筑木结构的安全冗余度,该文提出了短期应变监测数据预测方法,以此对藏式古建筑木结构健康状态进行预判性评估。以回廊结构为对象,利用Sobel算子与卷积神经网络方法处理传感器带来的多种数据异常。通过多项式回归和功率谱... 为增加藏式古建筑木结构的安全冗余度,该文提出了短期应变监测数据预测方法,以此对藏式古建筑木结构健康状态进行预判性评估。以回廊结构为对象,利用Sobel算子与卷积神经网络方法处理传感器带来的多种数据异常。通过多项式回归和功率谱密度的方法确定应变监测数据组分。引入变分模态分解法对数据进行解耦,以Prophet算法预测短期温度监测应变,以Gumbel极值理论预测不同重现期下的人群监测应变。以不同重现期下的应变监测数据预测值的叠加结果确定需重点关注的结构位置和需立即修缮的结构位置,以满足藏式古建木构的预防性保护要求和最小扰动原则。 展开更多

关键词 藏式古建筑木结构 监测数据预测 卷积神经网络 Prophet算法 极值理论

在线阅读 下载PDF 职称材料

一种改进的CEEMDAN-LSTM-Neural Prophet Net模型:用于COVID-19背景下我国月度消费预测 被引量：3

15

作者 郇松桦 刘秀丽 《计量经济学报》 2022年第3期620-643,共24页

针对社会消费品零售总额(total retail sales of consumer goods,TRSCG)月度预测中存在突变点情况下的样本外预测精度低等问题,本文构建了CEEMDAN-LSTM-Neural Prophet Net组合模型,开展了不同情景下的月度TRSCG样本外预测,并比较了该... 针对社会消费品零售总额(total retail sales of consumer goods,TRSCG)月度预测中存在突变点情况下的样本外预测精度低等问题,本文构建了CEEMDAN-LSTM-Neural Prophet Net组合模型,开展了不同情景下的月度TRSCG样本外预测,并比较了该模型与Neural Prophet、BP Network等7种常用模型的预测精度.结果表明:深度学习模型表现出对非线性一般数据的良好适应能力,其对数据的分类识别及组合预测效果俱佳;CEEMDAN-LSTM-Neural Prophet Net组合模型在有突变点的样本外预测中表现更佳,且该预测模型在不同国家的TRSCG.不同的预测指标及学习比例上均具有一定的稳健性.本文为存在突变点的时间序列分析和样本外预测提供了新思路. 展开更多

关键词 社会消费品零售总额 样本外月度预测 CEEMDAN-LSTM-Neural Prophet Net组合模型 COVID-19 突变点

原文传递