求真分享 http://blog.sciencenet.cn/u/zlyang 求真务实

博文

复杂系统行为预测的“机理+辨识”策略

已有 9826 次阅读 2010-11-7 21:16 |个人分类:科研|系统分类:科研笔记|关键词:复杂系统,行为预测,“机理+辨识”策略,组合预测,单一预测| 复杂系统, 行为预测, 组合预测, 单一预测

复杂系统行为预测的

“机理+辨识”策略

   作为对清华大学老师们《电力系统负荷预测研究综述与发展方向的探讨》(电力系统自动化,2004, 28(17): 1-11.)中“类似的这种策略性的升华”的学习和初步回答,我们课题组提出《复杂系统行为预测的“机理+辨识”策略》,作为对“组合预测”策略的细化和发展。

2006-09-29首发在《中国科技论文在线》200609-432http://www.paper.edu.cn/index.php/default/releasepaper/content/200609-432

后被评为五星级精品论文:精品论文,2007, 2(1): 83-87。见附件,版权归中国科技论文在线。

 

简单示意图

单一模型®组合预测(1969)®“机理+辨识”预测(2006)

 

 

“机理+辨识”策略的六个主要特征 

     

   ①是“机理+回归+辨识”三阶段预测:机理阶段主要考虑了已知影响因子的作用,回归阶段主要考虑了已知影响因子的未知方式作用,辨识阶段再通过辨识模型对残差进行经验预测。复杂时间序列预测的经典策略是分解成“趋势+季节性+残差”(trend+seasonal+residual)三类成分,再分别预测。但这种分解方法只是从数据到数据,没有利用复杂系统的已知结构等信息。


   ②模型评价:在复杂系统预测中,建议对预测中采用的多个模型的表现(预测结果)进行评价,如“平均误差”(代表预测的系统误差)、“平均绝对值误差”、“最大误差”、“重要数据的预测误差(如对最大值、最小值、特定数值等)”等进行统计考核,以确定该模型在多模型合成中的地位和作用。


   ③预测结果的灵活合成:根据对系统将来行为的预测目的,根据各模型的预测表现,由控制误差的关键量,采用灵活的多套预测值的合成,以期在人们最感兴趣的未来行为预测中得到最优效果。这是对组合预测、ensebmle预测(因散预测,也可译为集合预测)技术的进一步发展。


   ④概率化预测:由于采用了灵活的多模型预测,可以用一定的方法把这些预测结果的概率统计性质,用概率的方法表示,使得对预测结果的风险进行更准确和科学的评估。


   ⑤非平稳数据的平稳化技术。通过“机理+辨识”策略,以及差分等技术,实现非平稳数据的平稳化,提高辨识预测的准确率。


   ⑥预测准确率上限和可预测性研究:在“机理+辨识”预测策略的第一阶段,对系统的预测准确率上限和可预测性进行研究。

 

欢迎您的批评与讨论!

 

精品论文《复杂系统行为预测的机理+辨识策略》

   

 

参考文献

[1]     张嗣瀛. 复杂性科学,整体规律与定性研究[J. 复杂系统与复杂性科学,200521):71-83

[2]     中华人民共和国国务院. 国家中长期科学和技术发展规划纲要(2006—2020年)EB/OL. http://www.gov.cn/

[3]     康重庆,夏清,张伯明. 电力系统负荷预测研究综述与发展方向的探讨[J. 电力系统自动化,20042817):1-11

[4]     Yue YH, Han WX, Zhang WB. Local adding-weight linear regression forecasting method of chaotic series based on degree of incidenceJ. Proceedings of the CSEE2004, 24(22): 17-20

[5]     Jiang CW, Li T. Forecasting method study on chaotic load series with high embedded J. Energy Conversion and Management, 2005, 46(5): 667-676

[6]     Lelitha V, Laurence RR. A comparison of the performance of artificialA. Neural Networks And Support Vector Machines For The Prediction Of Traffic SpeedC. 2004 IEEE Intelligent Vehicles Symposium, University of Panna, Parma, Italy June 1447,2004: 194-199

[7]     Li KP, Gao ZY. Nonlinear dynamics analysis of traffic time seriesJ. Modern Physics Letters B, 2004, 18(26): 1-8

[8]     Wang DS, He GG. Summary and prospects of the study on traffic chaosJ. China Civil Engineering Journal, 2003, 361: 68-74

[9]     Dake Chen, Mark AC Alexey K, et al. Predictability of El Niño over the past 148 yearsJ. Nature, 2004, 428 (6984): 733-736

[10]  Tziperman, E, Stone, L, Cane, M A, Jarosh, H. El Niño chaos: overlapping of resonances between the seasonal cycle and the Pacific ocean-atmosphere oscillatorJ. Science, 1994 264(5155): 72-74

[11]  美国National Science Foundation. DDDAS: Dynamic Data Driven Applications SystemsEB/OL. http://www.nsf.gov/funding

[12]  Oguchi T, Nijmeijer H. Prediction of chaotic behaviorJ. IEEE Trans. on CAS I: 2005, 52 (11): 2464-2472

[13]  吕金虎, 陆君安, 陈士化. 混沌时间序列分析及其应用M. 武汉:武汉大学出版社,2002

[14]  Kantz H, Ragwitz M. Phase space reconstruction and nonlinear predictions for stationary and nonstationary Markovian processesJ. International Journal of Bifurcation and Chaos, 2004, 14(6): 1935-1945

[15]  Christopher CS, Alfred W H. Medium-term prediction of chaosJ. Physical Review Letters, 2006, 96(4): 044101

[16]  Garcia SP, Almeida JS. Nearest neighbor embedding with different time delaysJ. Physical Review E, 2005, 71 (3): 037204

[17]  Small M, Tse CK. Optimal embedding parameters: a modelling paradigmJ. Physics D, 2004, 194: 283-296

[18]  Kim, HS, Eykholt, R, Salas, JD. Nonlinear Dynamics, Delay Times, and Embedding WindowsJ, Physica D, 1999, 127: 48-60

[19]  Kugiumtzis D. State Space Reconstruction Parameters in the Analysis of Chaotic Time Series - the Role of the Time Window LengthJ. Physica D, 1996, 95: 13-27

[20]  Feeny BF, Lin G. Fractional derivatives applied to phase-space reconstructionsJ. Nonlinear Dynamics, 2004, 38 (1-4): 85-99

[21]  Yang SQ, Jia CY. Two practical methods of phase space reconstructionJ. Acta Physica Sinica, 2002, 51(11): 2452-2458

[22]  Li HCZhang JS. Local Prediction of Chaotic Time Series Based on Support Vector MachineJ. Chinese Physics Letters, 2005, 22(11): 2776 – 2779

[23]  Ren R, Xu J, Zhu SH.Prediction of chaotic time sequence using least squares support vector domainJ. Acta Physica Sinica, 2006, 55 (2): 555-563

[24]  Gan JC, Xiao XC. Nonlinear adaptive multi-step prediction of chaotic time series based on points in the neighborthoodJ. Acta Physica Sinica, 2003, 52(12): 2995-3001

[25]  Ma JHChen YSXin BG. Study on prediction methods for dynamics systems of nonlinear chaotic time seriesJ. Applied Mathematics and Mechanics, 2004, 25(6): 605- 611

[26]  Li HC, Zhang JS,Xiao XC. Neural Volterra filter for chaotic time series predictionJ. Chinese Physics, 2005, 14(11): 2181-2188

[27]  Cui WZ, Zhu CC, Bao WX, Liu JH. Chaotic time series prediction using mean-field theory for support vector machineJ. Chinese Physics, 2005, 14(5): 922-919

[28]  杨正瓴,张广涛,陈红新,林孔元. 短期负荷预测负荷趋势加混沌法的参数优化[J. 电网技术,200529(4)27 – 30, 44

[29]  Mark A Cane. The evolution of El Niño, past and futureJ. Earth and Planetary Science Letters, 2005, 230 (3-4): 227-240

[30]  Dake Chen, M A Cane, A Kaplan, S E Zebiak, D Huang, Predictability of El Niño in the past 148 yearsJ. Nature, 428, 733-736, 2004.

[31]  Michael E Mann, Mark A Cane, Stephen E Zebiak, Amy ClementT. Volcanic and Solar Forcing of the Tropical Pacific over the Past 1000 YearsJ. Journal Of Climate, 2005, 18(3): 447-456

[32]  J Lean, G Rottman, J Harder, G Kopp. SORCE contributions to new understanding of global change and solar variabilityJ. Solar Physics, 2005, 230(1-2): 27-53

[33]  J Hansen, M Sato, R Ruedy, et al. Efficacy of climate forcingsJ. Journal Of Geophysical Research-Atospheres, 2005, 110 (D18): Art. No. D18104

[34]  Ping Chang, Yue Fang, R. Saravanan, Link Ji, Howard Seidel1. The cause of the fragile relationship between the Pacific El Niño and the Atlantic Niño [J]. Nature, 2006, 443(7109): 324-328

[35]  P. Foukal, C. Fröhlich, H. Spruit and T. M. L. Wigley. Variations in solar luminosity and their effect on the Earth's climate[J]. Nature, 2006, 443(7108): 161-166

[36]  韩延本,赵娟,李志安. 由地球自转的年际变化预测El Niño事件[J. 科学通报,2001, 46(22): 1858-1861

[37]  郑大伟,丁晓利,周永宏,陈永奇,李志林,廖新浩. El Niño事件的前兆现象在日长和海平面观测中的反映[J. 科学通报,2000, 4523):2572-2576

[38]  韩延本,李志安,赵娟. 天文学与自然灾害的相关研究[J. 北京师范大学学报:自然科学版,2000, 36(4): 555-557

[39]  任振球. 全球变化研究的新思维[J. 地学前缘,2002, 9(1): 27-33

[40]  苏旸. 气候变化的天文理论[J. 地球物理学进展,2000153): 102-111

[41]  谢炯光,曾琮,纪忠萍. 中国近30 年来气象统计预报进展[J]. 气象科技, 2003, 31(2): 67 –83

[42]  F. Atger. The Skill of Ensemble Prediction Systems [J]. Monthly Weather Review, 1999, 127(9): 1941–1953



http://blog.sciencenet.cn/blog-107667-381404.html

上一篇:[请教] 宇宙膨胀的加速度是多少?
下一篇:[建议] 成立“预测”圈子(更新中)

10 肖赛君 白图格吉扎布 段志峰 邹晓辉 洪昆辉 刘桂秋 刘洪 罗春元 郭娟 pseudoscientist

该博文允许注册用户评论 请点击登录 评论 (42 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2018-11-21 00:10

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部