基于关联度的混沌序列局域加权线性回归预测法

分析了基于欧氏距离局域预测法存在的缺点,在此基础上提出了一种基于关联度的局域加权线性回归预测法。该方法以关联度代替欧氏距离作为判别不同相点间相关性的准则,并将相点间的相关性大小通过“加权”的方式作用于混沌序列预测模型,从而克服了局域线性回归预测法的缺点。首先对新方法的原理及其合理性进行了系统阐述;然后推导了其算法过程;最后将该方法应用于电力系统短期负荷的预测中,得到了理想的预测结果。通过分析和比较,验证了所提方法的有效性。