用電量鐵路貨運(yùn)量的波動(dòng)看結(jié)構(gòu)調(diào)整的積極變化

科學(xué)的貨運(yùn)量預(yù)測(cè)對(duì)鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義。采用灰色模型預(yù)測(cè)方法gm（1,1）和馬爾可夫鏈預(yù)測(cè)相結(jié)合,提出了灰色-馬爾可夫鏈改進(jìn)預(yù)測(cè)方法,利用偏差對(duì)灰色模型值進(jìn)行狀態(tài)劃分,并采用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣對(duì)狀態(tài)的轉(zhuǎn)移變化進(jìn)行分析,并針對(duì)我國(guó)鐵路貨運(yùn)量的未來(lái)趨勢(shì)進(jìn)行了經(jīng)濟(jì)預(yù)測(cè)的分析,確定待測(cè)年份偏差最可能處于的狀態(tài)。

為提高鐵路貨運(yùn)量的預(yù)測(cè)準(zhǔn)確性,運(yùn)用灰色關(guān)聯(lián)分析法,計(jì)算分析了與鐵路貨運(yùn)量相關(guān)的主要社會(huì)指標(biāo),確定鐵路貨運(yùn)量的影響因子分別為鐵路運(yùn)營(yíng)里程、鐵路電氣化里程、鐵路復(fù)線(xiàn)比重、公路運(yùn)營(yíng)里程、固定資產(chǎn)投資總額和鋼材產(chǎn)量。將所確定的因子作為鐵路貨運(yùn)量的預(yù)測(cè)指標(biāo),建立基于bp神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測(cè)模型,并對(duì)模型進(jìn)行了應(yīng)用測(cè)試。結(jié)果表明：bp神經(jīng)網(wǎng)絡(luò)模型具有較高的精度,最大相對(duì)誤差為3.7%,平均相對(duì)誤差為2.3%。該方法具有較快的收斂速度和較高的預(yù)測(cè)精度,可為我國(guó)鐵路貨運(yùn)量的預(yù)測(cè)研究提供方法支撐。

鐵路工程項(xiàng)目投資和效益的控制,鐵路運(yùn)輸發(fā)展戰(zhàn)略的制定以及鐵路運(yùn)輸設(shè)施效益的提高都與鐵路貨運(yùn)量密切相關(guān),準(zhǔn)確預(yù)測(cè)鐵路貨運(yùn)量具有重要意義。根據(jù)無(wú)偏gm(1,1)模型直接建模法的思想對(duì)傳統(tǒng)灰色verhulst進(jìn)行改進(jìn),即對(duì)原始序列作倒數(shù)生成,運(yùn)用新生成的序列建立模型,便可得到無(wú)偏灰色verhulst模型。改進(jìn)后的模型消除了灰色verhulst模型自身固有的偏差,用此模型預(yù)測(cè)蘭州至中川鐵路貨運(yùn)量,結(jié)果表明,無(wú)偏灰色verhulst模型比傳統(tǒng)灰色verhulst模型和gm(1,1)模型的預(yù)測(cè)精度更高。

科學(xué)的貨運(yùn)量預(yù)測(cè)對(duì)鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義.針對(duì)灰色模型的預(yù)測(cè)結(jié)果精確度受原始數(shù)據(jù)變化幅度的影響較大,且要求累加生成的數(shù)據(jù)列具有指數(shù)性質(zhì)的缺點(diǎn),采用帶波動(dòng)的多項(xiàng)式來(lái)替代gm(1,1)模型中的指數(shù)形曲線(xiàn),并通過(guò)馬爾可夫鏈對(duì)其預(yù)測(cè)結(jié)果進(jìn)行修正,從而建立改進(jìn)的灰色-馬爾可夫鏈預(yù)測(cè)模型,同時(shí)利用該改進(jìn)模型對(duì)我國(guó)鐵路貨運(yùn)量進(jìn)行預(yù)測(cè),并與傳統(tǒng)的gm(1,1)模型、改進(jìn)的gm(1,1)模型和灰色-馬爾可夫模型3種預(yù)測(cè)方法進(jìn)行了比較,結(jié)果表明:提出的預(yù)測(cè)方法具有較高的精度,具有一定的可行性和有效性,預(yù)測(cè)結(jié)果可指導(dǎo)鐵路建設(shè)與管理.

科學(xué)的預(yù)測(cè)對(duì)于經(jīng)濟(jì)現(xiàn)象的研究和經(jīng)濟(jì)決策的制定都具有十分重要的意義,因此,關(guān)于經(jīng)濟(jì)預(yù)測(cè)理論和方法的研究一直是一個(gè)熱點(diǎn)。本文將灰色模型預(yù)測(cè)方法gm(1,1)和馬爾可夫鏈預(yù)測(cè)相結(jié)合,提出灰色馬爾可夫鏈改進(jìn)預(yù)測(cè)方法,并且針對(duì)我國(guó)鐵路貨運(yùn)量的發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè),得出比灰色預(yù)測(cè)更加準(zhǔn)確的結(jié)論。從而證明,灰色馬爾可夫鏈改進(jìn)方法的預(yù)測(cè)結(jié)果更加準(zhǔn)確可靠,更有利于決策者的經(jīng)濟(jì)決策行為。

為提高灰色verhulst模型的預(yù)測(cè)精度,采用粒子群算法對(duì)灰色verhulst模型的參數(shù)值進(jìn)行優(yōu)化,利用滑動(dòng)窗對(duì)原始數(shù)據(jù)序列進(jìn)行動(dòng)態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預(yù)測(cè)鐵路貨運(yùn)量的方法。以平均絕對(duì)誤差、均方根誤差、平均相對(duì)誤差為評(píng)價(jià)指標(biāo),采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡(luò)、fpso灰色verhulst模型分別對(duì)具有增長(zhǎng)趨勢(shì)、擺動(dòng)發(fā)展以及交叉發(fā)展趨勢(shì)的鐵路貨運(yùn)量進(jìn)行預(yù)測(cè)。結(jié)果表明,fpso灰色verhulst模型能更好地反映鐵路運(yùn)輸過(guò)程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預(yù)測(cè)精度的有效方法。

為提高灰色verhulst模型的預(yù)測(cè)精度,采用粒子群算法對(duì)灰色verhulst模型的參數(shù)值進(jìn)行優(yōu)化,利用滑動(dòng)窗對(duì)原始數(shù)據(jù)序列進(jìn)行動(dòng)態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預(yù)測(cè)鐵路貨運(yùn)量的方法.以平均絕對(duì)誤差、均方根誤差、平均相對(duì)誤差為評(píng)價(jià)指標(biāo),采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡(luò)、fpso灰色verhulst模型分別對(duì)具有增長(zhǎng)趨勢(shì)、擺動(dòng)發(fā)展以及交叉發(fā)展趨勢(shì)的鐵路貨運(yùn)量進(jìn)行預(yù)測(cè).結(jié)果表明,fpso灰色verhulst模型能更好地反映鐵路運(yùn)輸過(guò)程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預(yù)測(cè)精度的有效方法.

德信誠(chéng)培訓(xùn)網(wǎng) 更多免費(fèi)資料下載請(qǐng)進(jìn)：http://www.***.***好好學(xué)習(xí)社區(qū) 用電量統(tǒng)計(jì)表 序號(hào)部門(mén)/宿舍上月用電量本月用電量 趨勢(shì) 原因備注 升降 合計(jì) 制訂：審核：批準(zhǔn)：

首先分析了公路貨運(yùn)量預(yù)測(cè)的重要性,介紹了國(guó)內(nèi)外主要預(yù)測(cè)方法。歸納總結(jié)了支持向量機(jī)的核心思想和基本原理,利用此較新的理論建立了公路貨運(yùn)量預(yù)測(cè)模型,給出了構(gòu)建模型的具體分析步驟,同時(shí)探討了參數(shù)的標(biāo)定和修正過(guò)程。利用北京市基礎(chǔ)數(shù)據(jù),建立北京市公路貨運(yùn)量預(yù)測(cè)的支持向量機(jī)模型,并應(yīng)用libsvm軟件進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果驗(yàn)證了模型的有效性和可行性,表明方法可以推廣并可實(shí)際應(yīng)用。

本文概述了組合預(yù)測(cè)的基本思想,介紹了基于shapley值的組合預(yù)測(cè)模型,并以吉林省公路貨運(yùn)量為例給出計(jì)算實(shí)例,同時(shí)也用數(shù)理統(tǒng)計(jì)的方法證明了此模型的適用性。計(jì)算實(shí)例和統(tǒng)計(jì)分析都證明此模型的可行性和適用性,說(shuō)明將此模型用于公路貨運(yùn)量預(yù)測(cè)是有效可行的。

民用建筑供電系統(tǒng)設(shè)計(jì)常見(jiàn)問(wèn)題探討（一） 用電量及變壓器容量的估算 龐傳貴李維時(shí)(中國(guó)建筑設(shè)計(jì)研究院) 摘要本文簡(jiǎn)要闡述了各類(lèi)民用建筑的負(fù)荷估算及變壓器容量的確定，并介紹了負(fù)荷計(jì)算的部分作法 關(guān)鍵詞用電指標(biāo)、變壓器容量負(fù)荷率、負(fù)荷計(jì)算、三相平衡 1、民用建筑的負(fù)荷： 民用建筑的用電指標(biāo)，尤其是負(fù)荷計(jì)算中需要系數(shù)的大小，一直是一個(gè)意見(jiàn)很不一致， 沒(méi)有完全解決好的問(wèn)題，主要是因?yàn)槊裼媒ㄖ那闆r非常繁雜，不同的地區(qū)，不同的單位， 不同的設(shè)備，不同的使用情況，不同的工程規(guī)模，不同的建設(shè)投資標(biāo)準(zhǔn)等等，使每平方米 建筑面積的用電量有較大的差異，很難給出一個(gè)大家均可使用的標(biāo)準(zhǔn)。工程設(shè)

傳統(tǒng)的預(yù)測(cè)建模方法通常只適用于求解結(jié)構(gòu)簡(jiǎn)單的多項(xiàng)式函數(shù),針對(duì)公路運(yùn)輸貨運(yùn)量受多種因素的影響,使得現(xiàn)有的一些預(yù)測(cè)方法預(yù)測(cè)精度不高的問(wèn)題,應(yīng)用基因表達(dá)式編程建立了公路運(yùn)輸貨運(yùn)量預(yù)測(cè)模型。該算法具有簡(jiǎn)便、易于操作,并且其搜索空間廣闊,函數(shù)復(fù)雜度高等特點(diǎn)。通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析,表明此模型具有較好的預(yù)測(cè)效果。

在分析公路貨運(yùn)量的影響因素和預(yù)測(cè)特點(diǎn)的基礎(chǔ)上,將pso算法的全局搜索能力和rbf神經(jīng)網(wǎng)絡(luò)局部?jī)?yōu)化相結(jié)合,建立了基于改進(jìn)pso算法和rbf神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)模型(mpso-rbf)。利用某城市的歷史數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行了訓(xùn)練、測(cè)試與仿真,同時(shí)將仿真結(jié)果與回歸分析法、灰色理論法、bp神經(jīng)網(wǎng)絡(luò)和rbf神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的結(jié)果進(jìn)行了比較,結(jié)果表明文中提出的預(yù)測(cè)方法精度較高,對(duì)于公路貨運(yùn)量預(yù)測(cè)具有一定的可行性和有效性。

公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語(yǔ)言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對(duì)貨運(yùn)量進(jìn)行分析及預(yù)測(cè)。通過(guò)對(duì)1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測(cè)的有效性。

對(duì)影響公路貨運(yùn)量的相關(guān)因素常用指標(biāo)進(jìn)行主成分分析,提取出影響貨運(yùn)量的隱性因素,并解釋出隱性因素的經(jīng)濟(jì)含義,為貨運(yùn)量的預(yù)測(cè)及宏觀調(diào)控提供科學(xué)依據(jù)。

通過(guò)對(duì)公路貨運(yùn)量的預(yù)測(cè)方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線(xiàn)性等特點(diǎn),建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實(shí)際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對(duì)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測(cè).通過(guò)對(duì)網(wǎng)絡(luò)輸出的誤差曲線(xiàn)圖的分析,驗(yàn)證bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的精確性和簡(jiǎn)單方便性,提高了公路貨運(yùn)量預(yù)測(cè)的精確性.

采用定性分析方法確定物流貨運(yùn)量的影響因素,基于線(xiàn)性回歸方法建立數(shù)學(xué)模型。采集延安市貨運(yùn)量相關(guān)數(shù)據(jù),根據(jù)2001-2008年數(shù)據(jù)確定模糊回歸系數(shù)a,對(duì)2009-2012年公路物流貨運(yùn)量進(jìn)行計(jì)算,并采用實(shí)際數(shù)據(jù)與其他三種預(yù)測(cè)方法進(jìn)行驗(yàn)證。結(jié)果表明:線(xiàn)性回歸數(shù)學(xué)模型對(duì)物流貨運(yùn)量進(jìn)行預(yù)測(cè)精確度高,誤差較小。

生活中l(wèi)ed顯示屏的應(yīng)用越來(lái)越廣,但使用時(shí)功耗較高,需專(zhuān)人進(jìn)行開(kāi)關(guān)控制,本文通過(guò)加裝時(shí)間控制開(kāi)關(guān)和增加接觸器實(shí)現(xiàn)智能控制,達(dá)到節(jié)約用電和安全用電的目的.

表7現(xiàn)場(chǎng)用水、用電量需求計(jì)劃表 現(xiàn)場(chǎng)用水量需求計(jì)劃表 用水項(xiàng)目計(jì)劃用水量（t）日用水量（t）備注 工程用水量275372520 機(jī)械用水量4006.87.6 生活區(qū)生活用水量48892.592 總用水量336587.3619.6 現(xiàn)場(chǎng)用電量需求計(jì)劃表 用電位置 計(jì)劃用電負(fù)荷 （kva） 需用時(shí)間 年月至年月 備注 k10+800 左 5002018.3至2019.8變壓器1臺(tái) k11+150 右 5002018.3至2019.8變壓器1臺(tái) 臨時(shí)發(fā)電機(jī)組2002018.3至2019.82臺(tái) 施工臨時(shí)用電總功率： 序號(hào)設(shè)備名稱(chēng)型號(hào)數(shù)量功率kw 1沖擊鉆機(jī)cz8e575*5=375 2電焊機(jī)zxgl－4002020×20=400 3蛙夯機(jī)hw－60

靖邊縣陽(yáng)光家園a5#a6#a7#住宅樓 臨 時(shí) 用 電 專(zhuān) 項(xiàng) 方 案 編制人： 審核人： 審批人： 一、編制的目的和依據(jù)： 1、編制目的 為保證施工現(xiàn)場(chǎng)用電安全，防止觸電事故及火災(zāi)的發(fā)生，特編 制了此施工方案。 2、編制依據(jù) ○1靖邊縣陽(yáng)光家園a5#、a6#、a7#住宅樓施工圖紙； ○2《建設(shè)工程施工現(xiàn)場(chǎng)用電安全規(guī)范》gb50194-93； ○3《施工現(xiàn)場(chǎng)臨時(shí)用電安全技術(shù)規(guī)范》jgj46-2005； ○4《低壓配電系統(tǒng)設(shè)計(jì)規(guī)范》gb50054-95； ○5《供配電系統(tǒng)設(shè)計(jì)規(guī)范》gb50052-95； ○6《通用用電設(shè)備配電設(shè)計(jì)規(guī)范》gb50055-93； ○7建筑施工計(jì)算手冊(cè) 二、工程概況 2 本工程位于靖邊縣縣區(qū)內(nèi)陽(yáng)光家園住宅小區(qū)，a5#a6#a7#住宅 樓地上均為6層，局部為躍層。結(jié)構(gòu)形式為1-2為框架結(jié)構(gòu)，3-6 層為磚混結(jié)構(gòu)?？傊娣e約

隨著供電企業(yè)電網(wǎng)的建設(shè)和發(fā)展,變電站的數(shù)量與日俱增,其生產(chǎn)、辦公等用電所消耗的電能累加起來(lái)十分巨大,進(jìn)而影響到供電企業(yè)綜合性技術(shù)經(jīng)濟(jì)指標(biāo)的\"線(xiàn)損率\"問(wèn)題.控制好供電企業(yè)生產(chǎn)環(huán)節(jié)之一的變電站的自用電量,可大大降低內(nèi)部損耗,進(jìn)而減少生產(chǎn)成本、提高企業(yè)經(jīng)濟(jì)效益,同時(shí),也能很好體現(xiàn)企業(yè)的社會(huì)責(zé)任.因此有必要對(duì)變電站自用電量進(jìn)行分析,并采取一些控制措施.

序號(hào)樓層建筑面積空調(diào)面積單位空調(diào)負(fù)荷總制冷負(fù)荷內(nèi)，外機(jī)用電量iplv值運(yùn)行時(shí)間（10h)備注 1f38022852220836440264.540.651719.49 2f35832687220788260249.300.651620.44 3f20901568220459800145.420.65945.22 4f1362102222029964094.770.65615.98 5f124293222027324086.420.65561.71 6f124293222027324086.420.65561.71 7f124293222027324086.420.65561.71 8f124293222027324086.420.65561.71 9f124