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》200609-432，http://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，2005，2（1）：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，2004，28（17）：1-11

[4]     Yue YH, Han WX, Zhang WB. Local adding-weight linear regression forecasting method of chaotic series based on degree of incidence［J］. Proceedings of the CSEE，2004, 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 artificial［A］. Neural Networks And Support Vector Machines For The Prediction Of Traffic Speed［C］. 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 series［J］. Modern Physics Letters B, 2004, 18(26): 1-8

[8]     Wang DS, He GG. Summary and prospects of the study on traffic chaos［J］. China Civil Engineering Journal, 2003, 36（1）: 68-74

[9]     Dake Chen, Mark AC Alexey K, et al. Predictability of El Niño over the past 148 years［J］. 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 oscillator［J］. Science, 1994， 264(5155): 72-74

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

[12]  Oguchi T, Nijmeijer H. Prediction of chaotic behavior［J］. 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 processes［J］. International Journal of Bifurcation and Chaos, 2004, 14(6): 1935-1945

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

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

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

[18]  Kim, HS, Eykholt, R, Salas, JD. Nonlinear Dynamics, Delay Times, and Embedding Windows［J］, 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 Length［J］. Physica D, 1996, 95: 13-27

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

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

[22]  Li HC，Zhang JS. Local Prediction of Chaotic Time Series Based on Support Vector Machine［J］. 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 domain［J］. 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 neighborthood［J］. Acta Physica Sinica, 2003, 52(12): 2995-3001

[25]  Ma JH，Chen YS，Xin BG. Study on prediction methods for dynamics systems of nonlinear chaotic time series［J］. Applied Mathematics and Mechanics, 2004, 25(6): 605- 611

[26]  Li HC, Zhang JS,Xiao XC. Neural Volterra filter for chaotic time series prediction［J］. 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 machine［J］. 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，2005，29(4)：27 – 30, 44

[29]  Mark A Cane. The evolution of El Niño, past and future［J］. 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 years［J］. 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 Years［J］. 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 variability［J］. Solar Physics, 2005, 230(1-2): 27-53

[33]  J Hansen, M Sato, R Ruedy, et al. Efficacy of climate forcings［J］. 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, 45（23）：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，2000，15（3）： 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