用電量鐵路貨運量的波動看結構調整的積極變化

科學的貨運量預測對鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義。采用灰色模型預測方法gm（1,1）和馬爾可夫鏈預測相結合,提出了灰色-馬爾可夫鏈改進預測方法,利用偏差對灰色模型值進行狀態(tài)劃分,并采用馬爾可夫狀態(tài)轉移矩陣對狀態(tài)的轉移變化進行分析,并針對我國鐵路貨運量的未來趨勢進行了經(jīng)濟預測的分析,確定待測年份偏差最可能處于的狀態(tài)。

為提高鐵路貨運量的預測準確性,運用灰色關聯(lián)分析法,計算分析了與鐵路貨運量相關的主要社會指標,確定鐵路貨運量的影響因子分別為鐵路運營里程、鐵路電氣化里程、鐵路復線比重、公路運營里程、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量的預測指標,建立基于bp神經(jīng)網(wǎng)絡的鐵路貨運量預測模型,并對模型進行了應用測試。結果表明：bp神經(jīng)網(wǎng)絡模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預測精度,可為我國鐵路貨運量的預測研究提供方法支撐。

鐵路工程項目投資和效益的控制,鐵路運輸發(fā)展戰(zhàn)略的制定以及鐵路運輸設施效益的提高都與鐵路貨運量密切相關,準確預測鐵路貨運量具有重要意義。根據(jù)無偏gm(1,1)模型直接建模法的思想對傳統(tǒng)灰色verhulst進行改進,即對原始序列作倒數(shù)生成,運用新生成的序列建立模型,便可得到無偏灰色verhulst模型。改進后的模型消除了灰色verhulst模型自身固有的偏差,用此模型預測蘭州至中川鐵路貨運量,結果表明,無偏灰色verhulst模型比傳統(tǒng)灰色verhulst模型和gm(1,1)模型的預測精度更高。

科學的貨運量預測對鐵路發(fā)展戰(zhàn)略的制定具有十分重要的意義.針對灰色模型的預測結果精確度受原始數(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)性質的缺點,采用帶波動的多項式來替代gm(1,1)模型中的指數(shù)形曲線,并通過馬爾可夫鏈對其預測結果進行修正,從而建立改進的灰色-馬爾可夫鏈預測模型,同時利用該改進模型對我國鐵路貨運量進行預測,并與傳統(tǒng)的gm(1,1)模型、改進的gm(1,1)模型和灰色-馬爾可夫模型3種預測方法進行了比較,結果表明:提出的預測方法具有較高的精度,具有一定的可行性和有效性,預測結果可指導鐵路建設與管理.

科學的預測對于經(jīng)濟現(xiàn)象的研究和經(jīng)濟決策的制定都具有十分重要的意義,因此,關于經(jīng)濟預測理論和方法的研究一直是一個熱點。本文將灰色模型預測方法gm(1,1)和馬爾可夫鏈預測相結合,提出灰色馬爾可夫鏈改進預測方法,并且針對我國鐵路貨運量的發(fā)展趨勢進行了預測,得出比灰色預測更加準確的結論。從而證明,灰色馬爾可夫鏈改進方法的預測結果更加準確可靠,更有利于決策者的經(jīng)濟決策行為。

為提高灰色verhulst模型的預測精度,采用粒子群算法對灰色verhulst模型的參數(shù)值進行優(yōu)化,利用滑動窗對原始數(shù)據(jù)序列進行動態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預測鐵路貨運量的方法。以平均絕對誤差、均方根誤差、平均相對誤差為評價指標,采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡、fpso灰色verhulst模型分別對具有增長趨勢、擺動發(fā)展以及交叉發(fā)展趨勢的鐵路貨運量進行預測。結果表明,fpso灰色verhulst模型能更好地反映鐵路運輸過程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預測精度的有效方法。

為提高灰色verhulst模型的預測精度,采用粒子群算法對灰色verhulst模型的參數(shù)值進行優(yōu)化,利用滑動窗對原始數(shù)據(jù)序列進行動態(tài)更新,使用fourier序列修正模型的誤差,提出fpso灰色verhulst模型預測鐵路貨運量的方法.以平均絕對誤差、均方根誤差、平均相對誤差為評價指標,采用傳統(tǒng)灰色verhulst模型、gm(1,1)、徑向基神經(jīng)網(wǎng)絡、fpso灰色verhulst模型分別對具有增長趨勢、擺動發(fā)展以及交叉發(fā)展趨勢的鐵路貨運量進行預測.結果表明,fpso灰色verhulst模型能更好地反映鐵路運輸過程中的突變因素,是一種減少誤差、充分利用新生數(shù)據(jù)、提高預測精度的有效方法.

德信誠培訓網(wǎng) 更多免費資料下載請進：http://www.***.***好好學習社區(qū) 用電量統(tǒng)計表 序號部門/宿舍上月用電量本月用電量 趨勢 原因備注 升降 合計 制訂：審核：批準：

首先分析了公路貨運量預測的重要性,介紹了國內外主要預測方法。歸納總結了支持向量機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量預測模型,給出了構建模型的具體分析步驟,同時探討了參數(shù)的標定和修正過程。利用北京市基礎數(shù)據(jù),建立北京市公路貨運量預測的支持向量機模型,并應用libsvm軟件進行預測,預測結果驗證了模型的有效性和可行性,表明方法可以推廣并可實際應用。

本文概述了組合預測的基本思想,介紹了基于shapley值的組合預測模型,并以吉林省公路貨運量為例給出計算實例,同時也用數(shù)理統(tǒng)計的方法證明了此模型的適用性。計算實例和統(tǒng)計分析都證明此模型的可行性和適用性,說明將此模型用于公路貨運量預測是有效可行的。

民用建筑供電系統(tǒng)設計常見問題探討（一） 用電量及變壓器容量的估算 龐傳貴李維時(中國建筑設計研究院) 摘要本文簡要闡述了各類民用建筑的負荷估算及變壓器容量的確定，并介紹了負荷計算的部分作法 關鍵詞用電指標、變壓器容量負荷率、負荷計算、三相平衡 1、民用建筑的負荷： 民用建筑的用電指標，尤其是負荷計算中需要系數(shù)的大小，一直是一個意見很不一致， 沒有完全解決好的問題，主要是因為民用建筑的情況非常繁雜，不同的地區(qū)，不同的單位， 不同的設備，不同的使用情況，不同的工程規(guī)模，不同的建設投資標準等等，使每平方米 建筑面積的用電量有較大的差異，很難給出一個大家均可使用的標準。工程設

傳統(tǒng)的預測建模方法通常只適用于求解結構簡單的多項式函數(shù),針對公路運輸貨運量受多種因素的影響,使得現(xiàn)有的一些預測方法預測精度不高的問題,應用基因表達式編程建立了公路運輸貨運量預測模型。該算法具有簡便、易于操作,并且其搜索空間廣闊,函數(shù)復雜度高等特點。通過對實驗結果的分析,表明此模型具有較好的預測效果。

在分析公路貨運量的影響因素和預測特點的基礎上,將pso算法的全局搜索能力和rbf神經(jīng)網(wǎng)絡局部優(yōu)化相結合,建立了基于改進pso算法和rbf神經(jīng)網(wǎng)絡的公路貨運量預測模型(mpso-rbf)。利用某城市的歷史數(shù)據(jù)對預測模型進行了訓練、測試與仿真,同時將仿真結果與回歸分析法、灰色理論法、bp神經(jīng)網(wǎng)絡和rbf神經(jīng)網(wǎng)絡預測的結果進行了比較,結果表明文中提出的預測方法精度較高,對于公路貨運量預測具有一定的可行性和有效性。

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數(shù)學語言進行描述。采用廣義回歸神經(jīng)網(wǎng)絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數(shù)據(jù)進行分析和處理,對網(wǎng)絡進行訓練和擬合,用2004~2005年的實際數(shù)據(jù)進行模型檢驗,結果證明了grnn用于貨運量預測的有效性。

對影響公路貨運量的相關因素常用指標進行主成分分析,提取出影響貨運量的隱性因素,并解釋出隱性因素的經(jīng)濟含義,為貨運量的預測及宏觀調控提供科學依據(jù)。

通過對公路貨運量的預測方法進行研究比較,并根據(jù)公路貨運量形成的復雜和非線性等特點,建立bp神經(jīng)網(wǎng)絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數(shù)據(jù),確定網(wǎng)絡輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡預測系統(tǒng)進行訓練和預測.通過對網(wǎng)絡輸出的誤差曲線圖的分析,驗證bp神經(jīng)網(wǎng)絡預測系統(tǒng)的精確性和簡單方便性,提高了公路貨運量預測的精確性.

采用定性分析方法確定物流貨運量的影響因素,基于線性回歸方法建立數(shù)學模型。采集延安市貨運量相關數(shù)據(jù),根據(jù)2001-2008年數(shù)據(jù)確定模糊回歸系數(shù)a,對2009-2012年公路物流貨運量進行計算,并采用實際數(shù)據(jù)與其他三種預測方法進行驗證。結果表明:線性回歸數(shù)學模型對物流貨運量進行預測精確度高,誤差較小。

生活中l(wèi)ed顯示屏的應用越來越廣,但使用時功耗較高,需專人進行開關控制,本文通過加裝時間控制開關和增加接觸器實現(xiàn)智能控制,達到節(jié)約用電和安全用電的目的.

表7現(xiàn)場用水、用電量需求計劃表 現(xiàn)場用水量需求計劃表 用水項目計劃用水量（t）日用水量（t）備注 工程用水量275372520 機械用水量4006.87.6 生活區(qū)生活用水量48892.592 總用水量336587.3619.6 現(xiàn)場用電量需求計劃表 用電位置 計劃用電負荷 （kva） 需用時間 年月至年月 備注 k10+800 左 5002018.3至2019.8變壓器1臺 k11+150 右 5002018.3至2019.8變壓器1臺 臨時發(fā)電機組2002018.3至2019.82臺 施工臨時用電總功率： 序號設備名稱型號數(shù)量功率kw 1沖擊鉆機cz8e575*5=375 2電焊機zxgl－4002020×20=400 3蛙夯機hw－60

靖邊縣陽光家園a5#a6#a7#住宅樓 臨 時 用 電 專 項 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)場用電安全，防止觸電事故及火災的發(fā)生，特編 制了此施工方案。 2、編制依據(jù) ○1靖邊縣陽光家園a5#、a6#、a7#住宅樓施工圖紙； ○2《建設工程施工現(xiàn)場用電安全規(guī)范》gb50194-93； ○3《施工現(xiàn)場臨時用電安全技術規(guī)范》jgj46-2005； ○4《低壓配電系統(tǒng)設計規(guī)范》gb50054-95； ○5《供配電系統(tǒng)設計規(guī)范》gb50052-95； ○6《通用用電設備配電設計規(guī)范》gb50055-93； ○7建筑施工計算手冊 二、工程概況 2 本工程位于靖邊縣縣區(qū)內陽光家園住宅小區(qū)，a5#a6#a7#住宅 樓地上均為6層，局部為躍層。結構形式為1-2為框架結構，3-6 層為磚混結構。總筑面積約

隨著供電企業(yè)電網(wǎng)的建設和發(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十分巨大,進而影響到供電企業(yè)綜合性技術經(jīng)濟指標的\"線損率\"問題.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,可大大降低內部損耗,進而減少生產(chǎn)成本、提高企業(yè)經(jīng)濟效益,同時,也能很好體現(xiàn)企業(yè)的社會責任.因此有必要對變電站自用電量進行分析,并采取一些控制措施.

序號樓層建筑面積空調面積單位空調負荷總制冷負荷內，外機用電量iplv值運行時間（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