模擬實驗預(yù)測法簡介

模擬實驗預(yù)測法是指現(xiàn)代領(lǐng)導(dǎo)者在進行決策和實施目標管理過程中應(yīng)用模擬實驗的手段進行科學預(yù)測的一種方法。模擬實驗，是為了克服時間和空間條件的限制，在實驗室內(nèi)人工地創(chuàng)造一定條件和因素，模擬實際情況下的條件或因素，從而使研究者能用較短的時間、方便的空間、較小的代價，獲得可靠的實驗結(jié)果。

模擬實驗預(yù)測法，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，模擬實際事物的發(fā)展過程，從中取得第一手實驗數(shù)據(jù)，通過對這些數(shù)據(jù)的統(tǒng)計分析，把握事物發(fā)展的客觀規(guī)律，并以此預(yù)測同類事物在相同條件下的發(fā)展趨勢和狀態(tài)。這種方法在領(lǐng)導(dǎo)活動中，尤其是在現(xiàn)代化大企業(yè)的經(jīng)營管理中經(jīng)常應(yīng)用。為了預(yù)測某一領(lǐng)導(dǎo)對象的發(fā)展進程和狀態(tài)，也常常需要進行模擬實驗。

電力負荷預(yù)測分為經(jīng)典預(yù)測方法和現(xiàn)代預(yù)測方法 。

經(jīng)典預(yù)測方法

趨勢外推法

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

時間序列法

時間序列法是一種最為常見的短期負荷預(yù)測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機過程的特性，去建立和估計產(chǎn)生實際序列的隨機過程的模型，然后用這些模型去進行預(yù)測。它利用了電力負荷變動的慣性特征和時間上的延續(xù)性，通過對歷史數(shù)據(jù)時間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測未來負荷。

時間序列預(yù)測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預(yù)測區(qū)間的大小。隨機型時間序列預(yù)測模型可以看作一個線性濾波器。根據(jù)線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負荷預(yù)測過程一般分為模型識別、模型參數(shù)估計、模型檢驗、負荷預(yù)測、精度檢驗預(yù)測值修正5個階段。

回歸分析法

回歸分析法就是根據(jù)負荷過去的歷史資料，建立可以分析的數(shù)學模型，對未來的負荷進行預(yù)測。利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進行分析，確定變量之間的相互關(guān)系，從而實現(xiàn)預(yù)測。

現(xiàn)代負荷預(yù)測方法

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

灰色數(shù)學理論

灰色數(shù)學理論是把負荷序列看作一真實的系統(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)理論把負荷序列通過生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負荷預(yù)測。

專家系統(tǒng)方法

專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析，匯集有經(jīng)驗的負荷預(yù)測人員的知識，提取有關(guān)規(guī)則。借助專家系統(tǒng)，負荷預(yù)測人員能識別預(yù)測日所屬的類型，考慮天氣因素對負荷預(yù)測的影響，按照一定的推理進行負荷預(yù)測。

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)的學習功能，讓計算機學習包含在歷史負荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測未來負荷。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應(yīng)用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；并且知識表達困難，難以充分利用調(diào)度人員經(jīng)驗中存在的模糊知識。

模糊負荷預(yù)測

模糊負荷預(yù)測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)學理論，使其進行確定性的工作，對一些無法構(gòu)造數(shù)學模型的被控過程進行有效控制。模糊系統(tǒng)不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數(shù)。模糊系統(tǒng)對于任意一個非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個解模糊方法，使得設(shè)計出的模糊系統(tǒng)能夠任意逼近這個非線性函數(shù)。

模糊預(yù)測的一些基本方法

(1)表格查尋法：

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

這是一種簡單易行的易于理解的算法，因為它是個順序生成過程，無需反復(fù)學習，因此，這個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，即構(gòu)造起來既簡單又快速。

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

它是利用神經(jīng)網(wǎng)絡(luò)來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)來表示。神經(jīng)網(wǎng)絡(luò)均采用前向型的BP網(wǎng)絡(luò)。

(3)改進的模糊神經(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))賦予模糊輸入信號和模糊權(quán)。

對于復(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。但主要缺點是模型精度不高，訓(xùn)練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進型算法。

(4)反向傳播學習算法：

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致密集上的非線性函數(shù)，其優(yōu)勢在于它有能夠系統(tǒng)而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個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學習算法用來確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過辨識的模型能夠很好的逼近真實系統(tǒng)，進而達到提高預(yù)測精度的目的。

是根據(jù)事物的過去和現(xiàn)在估計未來，根據(jù)已知預(yù)測未知，從而減少對未來事物認識的不確定性，以指導(dǎo)我們的決策行動，減少決策的盲目性。預(yù)測學的出現(xiàn)不是孤立的、它是在人類社會生產(chǎn)力和科學技術(shù)日益發(fā)達的基礎(chǔ)上應(yīng)運而生的，它與其它的學科諸如經(jīng)濟學、數(shù)學、系統(tǒng)工程學、統(tǒng)計學、電子計算機技術(shù)等都有密切的關(guān)系。

預(yù)測分析理論很多是這些學科理論的應(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科的成果。預(yù)測分析法，據(jù)不完全統(tǒng)計，大約有130多種，常用的就有數(shù)十種。

水質(zhì)預(yù)測方法分兩大類。一類是點源污染的預(yù)測方法，其實質(zhì)是水體中水質(zhì)運動演化規(guī)律的研究及其演算。包括：①建立相關(guān)統(tǒng)計模型，例如在河流水質(zhì)預(yù)測中，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)測模型。②求解確定性水質(zhì)數(shù)學模型，是根據(jù)成因分析、演繹推理而得，反映了一定物理、化學和生物化學作用的性質(zhì)。模型求解后，主要用實測資料確定模型參數(shù)，進行驗證和誤差分析，然后用于實際預(yù)測。

另一類是面源污染的水質(zhì)預(yù)測。這類預(yù)測的實質(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、集污和污水進入水體后水質(zhì)運動演化規(guī)律。這類課題研究難度大，處在探討發(fā)展之中。