-
基于时间序列模型的校园宿舍用电量分析
摘要:我国高校作为电能的主要耗用者之一,存在大量使用大功率设备、学生节电意识差等问题。对高校用电量进行预测可以为高校配电网的配电计划工作提供数据参考,达到调节电量输送、节约能源的目的。鉴于此,对厦门大学漳州校区58幢宿舍楼进行随机抽样调查,并对搜集的数据基于ARMA和LSTM方法建立时间序列预测模型,预测校园宿舍未来用电量,以实现提前预警,提高大学生节电意识。实验证明,模型能够在大多数数据集上取得良好的性能表现。
-
一种符号化的授时偏差预测方法
摘要：提出了一种通过符号化方法对授时系统时间偏差进行预测的方法。该方法利用矢量拟合来表达时间序列的走势形态，采用聚类算法对形态进行聚类，然后根据聚类结果得到符号序列，并用不完全抽取方法来抽取序列模式。预测时，可根据学习得到的模式集来对新序列做出预测分析。通过对授时系统误差数据的实验表明，该方法可以对时间偏差进行较好预测，并可对预测的数值进行校准，从而进一步提高授时精度。
