基于CBS-GM的时序数据短期预测方法

被引：1

作者：

宁亚楠 ^{[1
]}

姜高霞 ^{[1
,2
]}

机构：

[1] 山西大学数学科学学院

[2] 山西大学计算机与信息技术学院

来源：

金陵科技学院学报 | 2014年 / 30卷 / 02期

关键词：

B样条系数(CBS); 灰色模型(GM); 参数回归; 非参数回归; 组合预测;

D O I：

10.16515/j.cnki.32-1722/n.2014.02.001

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

介绍了时序数据常用的参数回归和非参数回归方法,分析并比较了各自的优势和局限。结合这些特点提出一种基于B样条系数(CBS)与灰色模型(GM)的组合预测方法CBS-GM。此预测方法兼有参数和非参数的优点,具有较强的适应性和稳健性。最后将提出的方法应用于实际数据(常规数据和含异常值数据)。结果表明,综合预测精度和速度,CBS-GM相比于GM(1,1)、ARMA、BP神经网络和SVM等4种常用预测方法具有一定优势,是一种实用、高效的短期预测方法。

引用

页码：17 / 22

页数：6

共 8 条

[1] 考虑温度积累效应的短期电力负荷预测方法研究 [J].