模擬實(shí)驗(yàn)預(yù)測(cè)法

模擬實(shí)驗(yàn)預(yù)測(cè)法是指現(xiàn)代領(lǐng)導(dǎo)者在進(jìn)行決策和實(shí)施目標(biāo)管理過(guò)程中應(yīng)用模擬實(shí)驗(yàn)的手段進(jìn)行科學(xué)預(yù)測(cè)的一種方法。模擬實(shí)驗(yàn)，是為了克服時(shí)間和空間條件的限制，在實(shí)驗(yàn)室內(nèi)人工地創(chuàng)造一定條件和因素，模擬實(shí)際情況下的條件或因素，從而使研究者能用較短的時(shí)間、方便的空間、較小的代價(jià)，獲得可靠的實(shí)驗(yàn)結(jié)果。

模擬實(shí)驗(yàn)預(yù)測(cè)法，就是根據(jù)事物發(fā)生、發(fā)展的條件與結(jié)果的內(nèi)在聯(lián)系，模擬實(shí)際事物的發(fā)展過(guò)程，從中取得第一手實(shí)驗(yàn)數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù)的統(tǒng)計(jì)分析，把握事物發(fā)展的客觀規(guī)律，并以此預(yù)測(cè)同類事物在相同條件下的發(fā)展趨勢(shì)和狀態(tài)。這種方法在領(lǐng)導(dǎo)活動(dòng)中，尤其是在現(xiàn)代化大企業(yè)的經(jīng)營(yíng)管理中經(jīng)常應(yīng)用。為了預(yù)測(cè)某一領(lǐng)導(dǎo)對(duì)象的發(fā)展進(jìn)程和狀態(tài)，也常常需要進(jìn)行模擬實(shí)驗(yàn)。

電力負(fù)荷預(yù)測(cè)分為經(jīng)典預(yù)測(cè)方法和現(xiàn)代預(yù)測(cè)方法 。

經(jīng)典預(yù)測(cè)方法

趨勢(shì)外推法

就是根據(jù)負(fù)荷的變化趨勢(shì)對(duì)未來(lái)負(fù)荷情況作出預(yù)測(cè)。電力負(fù)荷雖然具有隨機(jī)性和不確定性，但在一定條件下，仍存在著明顯的變化趨勢(shì)，例如農(nóng)業(yè)用電，在氣候條件變化較小的冬季，日用電量相對(duì)穩(wěn)定，表現(xiàn)為較平穩(wěn)的變化趨勢(shì)。這種變化趨勢(shì)可為線性或非線性，周期性或非周期性等等。

時(shí)間序列法

時(shí)間序列法是一種最為常見的短期負(fù)荷預(yù)測(cè)方法，它是針對(duì)整個(gè)觀測(cè)序列呈現(xiàn)出的某種隨機(jī)過(guò)程的特性，去建立和估計(jì)產(chǎn)生實(shí)際序列的隨機(jī)過(guò)程的模型，然后用這些模型去進(jìn)行預(yù)測(cè)。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過(guò)對(duì)歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測(cè)未來(lái)負(fù)荷。

時(shí)間序列預(yù)測(cè)方法可分為確定型和隨機(jī)性兩類，確定型時(shí)間序列作為模型殘差用于估計(jì)預(yù)測(cè)區(qū)間的大小。隨機(jī)型時(shí)間序列預(yù)測(cè)模型可以看作一個(gè)線性濾波器。根據(jù)線性濾波器的特性，時(shí)間序列可劃為自回歸(AR)、動(dòng)平均(MA)、自回歸-動(dòng)平均(ARMA)、累計(jì)式自回歸-動(dòng)平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負(fù)荷預(yù)測(cè)過(guò)程一般分為模型識(shí)別、模型參數(shù)估計(jì)、模型檢驗(yàn)、負(fù)荷預(yù)測(cè)、精度檢驗(yàn)預(yù)測(cè)值修正5個(gè)階段。

回歸分析法

回歸分析法就是根據(jù)負(fù)荷過(guò)去的歷史資料，建立可以分析的數(shù)學(xué)模型，對(duì)未來(lái)的負(fù)荷進(jìn)行預(yù)測(cè)。利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過(guò)對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)。

現(xiàn)代負(fù)荷預(yù)測(cè)方法

20世紀(jì)80年代后期，一些基于新興學(xué)科理論的現(xiàn)代預(yù)測(cè)方法逐漸得到了成功應(yīng)用。這其中主要有灰色數(shù)學(xué)理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測(cè)理論等 。

灰色數(shù)學(xué)理論

灰色數(shù)學(xué)理論是把負(fù)荷序列看作一真實(shí)的系統(tǒng)輸出，它是眾多影響因子的綜合作用結(jié)果。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性?；疑到y(tǒng)理論把負(fù)荷序列通過(guò)生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負(fù)荷預(yù)測(cè)。

專家系統(tǒng)方法

專家系統(tǒng)方法是對(duì)于數(shù)據(jù)庫(kù)里存放的過(guò)去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測(cè)人員的知識(shí)，提取有關(guān)規(guī)則。借助專家系統(tǒng)，負(fù)荷預(yù)測(cè)人員能識(shí)別預(yù)測(cè)日所屬的類型，考慮天氣因素對(duì)負(fù)荷預(yù)測(cè)的影響，按照一定的推理進(jìn)行負(fù)荷預(yù)測(cè)。

神經(jīng)網(wǎng)絡(luò)理論

神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測(cè)未來(lái)負(fù)荷。由于該方法具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力，因此有很大的應(yīng)用市場(chǎng)，但其缺點(diǎn)是學(xué)習(xí)收斂速度慢，可能收斂到局部最小點(diǎn)；并且知識(shí)表達(dá)困難，難以充分利用調(diào)度人員經(jīng)驗(yàn)中存在的模糊知識(shí)。

模糊負(fù)荷預(yù)測(cè)

模糊負(fù)荷預(yù)測(cè)是近幾年比較熱門的研究方向。

模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論，使其進(jìn)行確定性的工作，對(duì)一些無(wú)法構(gòu)造數(shù)學(xué)模型的被控過(guò)程進(jìn)行有效控制。模糊系統(tǒng)不管其是如何進(jìn)行計(jì)算的，從輸入輸出的角度講它是一個(gè)非線性函數(shù)。模糊系統(tǒng)對(duì)于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)。

模糊預(yù)測(cè)的一些基本方法

(1)表格查尋法：

表格法是一種相對(duì)簡(jiǎn)單明了的算法。這個(gè)方法的基本思想是從已知輸入--輸出數(shù)據(jù)對(duì)中產(chǎn)生模糊規(guī)則，形成一個(gè)模糊規(guī)則庫(kù)，最終的模糊邏輯系統(tǒng)將從組合模糊規(guī)則庫(kù)中產(chǎn)生。

這是一種簡(jiǎn)單易行的易于理解的算法，因?yàn)樗莻€(gè)順序生成過(guò)程，無(wú)需反復(fù)學(xué)習(xí)，因此，這個(gè)方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一大優(yōu)點(diǎn)，即構(gòu)造起來(lái)既簡(jiǎn)單又快速。

(2)基于神經(jīng)網(wǎng)絡(luò)集成的高木-關(guān)野模糊預(yù)測(cè)算法：

它是利用神經(jīng)網(wǎng)絡(luò)來(lái)求得條件部輸入變量的聯(lián)合隸屬函數(shù)。結(jié)論部的函數(shù)f(X)也可以用神經(jīng)網(wǎng)絡(luò)來(lái)表示。神經(jīng)網(wǎng)絡(luò)均采用前向型的BP網(wǎng)絡(luò)。

(3)改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)模型的算法：

模糊神經(jīng)網(wǎng)絡(luò)即全局逼近器。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)似乎有著天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是模糊系統(tǒng)的實(shí)現(xiàn)，就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)(如前向反饋神經(jīng)網(wǎng)絡(luò)，HoPfield神經(jīng)網(wǎng)絡(luò))賦予模糊輸入信號(hào)和模糊權(quán)。

對(duì)于復(fù)雜的系統(tǒng)建模，已經(jīng)有了許多方法，并已取得良好的應(yīng)用效果。但主要缺點(diǎn)是模型精度不高，訓(xùn)練時(shí)間太長(zhǎng)。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進(jìn)型算法。

(4)反向傳播學(xué)習(xí)算法：

模糊邏輯系統(tǒng)應(yīng)用主要在于它能夠作為非線性系統(tǒng)的模型，包括含有人工操作員的非線性系統(tǒng)的模型。因此，從函數(shù)逼近意義上考慮，研究模糊邏輯系統(tǒng)的非線性映射能力顯得非常重要。函數(shù)逼近就是模糊邏輯系統(tǒng)可以在任意精度上，一致逼近任何定義在一個(gè)致密集上的非線性函數(shù)，其優(yōu)勢(shì)在于它有能夠系統(tǒng)而有效地利用語(yǔ)言信息的能力。萬(wàn)能逼近定理表明一定存在這樣一個(gè)可以在任意精度逼近任意給定函數(shù)的高斯型模糊邏輯系統(tǒng)。反向傳播BP學(xué)習(xí)算法用來(lái)確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過(guò)辨識(shí)的模型能夠很好的逼近真實(shí)系統(tǒng)，進(jìn)而達(dá)到提高預(yù)測(cè)精度的目的。

是根據(jù)事物的過(guò)去和現(xiàn)在估計(jì)未來(lái)，根據(jù)已知預(yù)測(cè)未知，從而減少對(duì)未來(lái)事物認(rèn)識(shí)的不確定性，以指導(dǎo)我們的決策行動(dòng)，減少?zèng)Q策的盲目性。預(yù)測(cè)學(xué)的出現(xiàn)不是孤立的、它是在人類社會(huì)生產(chǎn)力和科學(xué)技術(shù)日益發(fā)達(dá)的基礎(chǔ)上應(yīng)運(yùn)而生的，它與其它的學(xué)科諸如經(jīng)濟(jì)學(xué)、數(shù)學(xué)、系統(tǒng)工程學(xué)、統(tǒng)計(jì)學(xué)、電子計(jì)算機(jī)技術(shù)等都有密切的關(guān)系。

預(yù)測(cè)分析理論很多是這些學(xué)科理論的應(yīng)用、延伸和發(fā)展。它的方法很多是借助于其它早已成熟的學(xué)科的成果。預(yù)測(cè)分析法，據(jù)不完全統(tǒng)計(jì)，大約有130多種，常用的就有數(shù)十種。

水質(zhì)預(yù)測(cè)方法分兩大類。一類是點(diǎn)源污染的預(yù)測(cè)方法，其實(shí)質(zhì)是水體中水質(zhì)運(yùn)動(dòng)演化規(guī)律的研究及其演算。包括：①建立相關(guān)統(tǒng)計(jì)模型，例如在河流水質(zhì)預(yù)測(cè)中，建立水質(zhì)與河流水文要素（如流量等）的關(guān)系；又如根據(jù)上、下游水質(zhì)間存在的關(guān)系（多元相關(guān)）和混合物質(zhì)的平衡原理，建立水質(zhì)預(yù)測(cè)模型。②求解確定性水質(zhì)數(shù)學(xué)模型，是根據(jù)成因分析、演繹推理而得，反映了一定物理、化學(xué)和生物化學(xué)作用的性質(zhì)。模型求解后，主要用實(shí)測(cè)資料確定模型參數(shù)，進(jìn)行驗(yàn)證和誤差分析，然后用于實(shí)際預(yù)測(cè)。

另一類是面源污染的水質(zhì)預(yù)測(cè)。這類預(yù)測(cè)的實(shí)質(zhì)在于研究降雨、徑流沖刷所產(chǎn)生的污水及其成分。研究產(chǎn)流、產(chǎn)污、匯流、集污和污水進(jìn)入水體后水質(zhì)運(yùn)動(dòng)演化規(guī)律。這類課題研究難度大，處在探討發(fā)展之中。