预测误差降 37%
针对具有波动、非线性和周期性的能源序列，通过时变参数与Hausdorff分数阶导数更全面地描述序列趋势，提升预测稳定性与准确性。
王勇 · Zejia, Zhang · Yunhui, Wang · Lang, Sun · Rui, Yang · Wenao, He · Flavian Emmanuel, Sapnken · 李洪利
Energy 2025
相比六个现有模型，预测误差降低幅度从 1.46% 到 37.49%，在多个能源案例上验证了更高的拟合与预测精度。
通过 Hausdorff 分数阶导数和时变参数，模型可以进一步探索系统可能的周期特征，对波动、非线性、周期性并存的数据更适用。
采用灰狼优化算法（GWO）自动搜索模型参数，避免了人工试凑，并借助蒙特卡洛模拟验证了优化结果具有较好的稳定性。
模型在中国太阳能发电、美国水力发电和中国煤炭消费三个实际案例上均取得最高拟合与预测精度，体现了对传统能源与新能源的普适性。