残差学习灰色预测模型

小样本预测更准

将残差网络引入灰色模型，在小样本非线性时序预测中显著降低过拟合，提升预测精度。

Yiwu, Hao · 马新 · Lili, Song · Yushu, Xiang

Engineering Applications of Artificial Intelligence 2025

参数信息

对比模型数量

22

技术优势

过拟合更少

通过融合残差学习网络的特征捕捉能力与灰色模型的稳健性，有效降低小样本预测中的过拟合风险。

性能一致提升

与13个灰色系统模型和9个机器学习模型对比，所提方法在各指标上均表现更优。

应用场景

• 配电变压器运维：预测变压器油温季节性趋势，辅助配电运维决策。
• 电力负荷预测：为电力负荷预测提供更准的小样本时序模型。
• 电网设备状态评估：通过油温预测评估变压器状态，支撑设备状态评估。
• 小样本时序预测：为小样本时序预测提供抗过拟合的混合模型。