用于精确地源热泵站的增强型灰色预测模型（IGM (1,1)）

1. 声音
   观察依据

   讲述者多次提到“增强型灰色预测模型”或“改进型灰色预测模型”，也称为“IGM（1，1）模型”。

2. 字幕依据
   观察依据

   屏幕文字显示：“增强型灰色预测模型（IGM（1，1））”以及“改进型灰色预测模型，又称IGM（1，1）模型”。

IGM (1,1)

用于预测地源热泵站输出温度的改进型灰色预测模型。

应用数学、时间序列预测

1. 声音
   观察依据

   讲述者提到了“灰色预测模型（GM）模型”，随后又提到“GM（1，1）模型”的整体精度。

2. 字幕依据
   观察依据

   屏幕文字显示：“灰色预测模型（GM）模型”和“GM（1，1）模型”。

GM (1,1)

标准灰色预测模型，作为IGM（1，1）模型旨在改进的基准模型。

应用数学、时间序列预测

1. 声音
   观察依据

   讲述者介绍了“地源热泵系统（GHPS）”。

2. 字幕依据
   观察依据

   屏幕文字显示：“地源热泵系统（GHPS）”。

GHPS

地源热泵系统，即其输出温度被预测的实际物理系统。

可再生能源工程

1. 声音
   观察依据

   讲述者说道：“均方根误差（RSME）”。

2. 字幕依据
   观察依据

   屏幕文字显示：“均方根误差（RSME）”。

1. 标准缩写为 RMSE，但本视频明确使用 RSME。

RSME

均方根误差，一种用于评估改进模型预测性能的指标。

统计学、误差分析

1. 声音
   观察依据

   讲述者说道：“平均绝对误差（MAE）”。

2. 字幕依据
   观察依据

   屏幕文字显示：“平均绝对误差（MAE）”。

MAE

平均绝对误差，一种用于衡量IGM（1,1）模型预测精度的指标。

统计学、误差分析

1. 声音
   观察依据

   讲述者说道：“以及平均绝对百分比误差（MAPE）”。

2. 字幕依据
   观察依据

   屏幕文字显示：“平均绝对百分比误差（MAPE）”。

MAPE

平均绝对百分比误差，一种用于衡量IGM（1,1）模型预测精度的指标。

统计学，误差分析

1. 字幕依据
   观察依据

   屏幕文字显示：“未来，IGM（1,1）模型有望得到改进，使其在地源热泵系统中的应用精度进一步提升，适用时间跨度将不仅限于短期。"

IGM (1,1)

视频结尾陈述中所提及的预测模型。

应用数学／预测模型背景

1. 声音
   观察依据

   讲解者说明，本章提出改进型灰色预测模型（IGM（1，1）），通过从当前预测值中减去前一预测值与前一实测值即时均值之间的误差，来修正当前预测值，从而提高灰色预测模型（GM）的预测精度。

2. 字幕依据
   观察依据

   屏幕文字显示：“本章提出改进型灰色预测模型，亦称IGM（1，1）模型，旨在提升用于GHPS输出温度预测的灰色预测模型（GM）的预测精度。该改进基于从当前预测值中减去前一预测值与前一实测值即时均值之间的误差。”

IGM（1，1）模型通过对标准灰色预测模型（GM）引入误差修正机制加以改进。具体而言，它通过从前一预测值与前一实测值即时均值之间计算出的误差，对当前预测值进行修正（即从前一预测值中减去该误差）。

1. 需要一组实测值序列。

2. 适用于时间序列预测。

1. 声音
   观察依据

   讲解者列举了用于评估预测性能的指标：均方根误差（RSME）、平均绝对误差（MAE）以及平均绝对百分比误差（MAPE）。

2. 字幕依据
   观察依据

   屏幕文字显示：“为评估改进模型的预测性能，采用均方根误差（RSME）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）来衡量IGM（1，1）模型的预测精度。”

IGM（1，1）模型的预测精度通过三个标准统计指标进行评估：均方根误差（RSME）、平均绝对误差（MAE）以及平均绝对百分比误差（MAPE）。这些指标量化了预测值与实际实测值之间的差异。

1. 适用于回归模型与时间序列预测模型。

1. 字幕依据
   观察依据

   屏幕文字明确指出，IGM（1,1）模型有望得到改进。

2. 声音
   观察依据

   解说员说道：“……地源热泵系统，适用时间跨度将不仅限于短期。”

视频结尾指出，未来有望对IGM（1,1）模型进行改进，以提升其在地源热泵系统中长期应用的精度，从而突破短期应用的局限。

1. 适用于地源热泵系统

2. 侧重长期精度，而非短期精度

1. 声音
   观察依据

   讲解者指出，实证结果表明，所提出的IGM（1，1）模型通过降低误差，显著提升了输出温度的模拟（样本内）与预测（样本外）效果，从而增强了GM（1，1）模型的整体精度。改进后的模型在所有所用数据集的模拟与预测结果中，均比GM（1，1）模型更为准确。

2. 字幕依据
   观察依据

   屏幕文字在从02:14至02:52的多个画面中均印证了上述陈述。

实证结果在三个不同数据集上验证表明：所提出的IGM（1，1）模型相较于标准GM（1，1）模型，在地源热泵站输出温度的样本内模拟与样本外预测两方面均显著提升。

1. 该模型被应用于地源热泵站输出温度数据集。

2. 性能指标采用均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）进行衡量。

针对本研究所使用的全部数据集。

1. 声音
   观察依据

   讲解者描述了修正过程：‘通过减去前一预测值与前一实测值即时均值之间的误差，来修正当前预测值。’

2. 字幕依据
   观察依据

   屏幕文字与音频中关于修正步骤的描述完全一致。

1. 公式

   $$$$
   解释

   识别基础模型生成的当前预测值。

   步骤依据

   这是视频中所述增强方法的起点。

   视频直接表达
2. 公式

   $$$$
   解释

   计算误差项，即上一个预测值与上一个实测值的即时均值之间的差值。

   步骤依据

   视频明确将该误差项定义为修正的基础。

   视频直接表达
3. 公式

   $$$$
   解释

   从当前预测值中减去所计算的误差项，从而得到最终修正后的预测值。

   步骤依据

   这一减法步骤正是视频中所述IGM（1,1）模型的核心机制。

   视频直接表达

IGM（1,1）模型通过根据过去预测值与平滑后实际测量值之间历史偏差，动态调整当前预测，从而提升预测精度。

1. 声音
   观察依据

   讲解者提到，将该模型应用于预测俄克拉荷马大学、瓦伦西亚理工大学和奥克兰大学的地源热泵系统输出温度，使用仅含24个数据点（对应24小时）的小型数据集，预测未来8小时的温度。

2. 字幕依据
   观察依据

   屏幕文字列出了上述三所大学，并明确了数据集规模与预测时域。

利用有限的历史数据，预测各类地源热泵系统（GHPS）的输出温度。

1. 来自俄克拉荷马大学、瓦伦西亚理工大学和奥克兰大学的三个独立数据集。

2. 每个数据集包含24个数据点，代表24小时的测量记录。

3. 目标是预测未来8小时的输出温度。

评估IGM（1，1）模型在真实世界GHPS数据上的预测能力。

1. 公式

   $$$$
   解释

   收集某一特定GHPS地点的24个小时温度测量值构成的小型数据集。

   步骤依据

   视频指出，该模型使用包含24个数据点的小型数据集进行训练。

   视频直接表达
2. 公式

   $$$$
   解释

   在该数据集上训练IGM（1，1)模型。24-小时

   步骤依据

   这是灰色预测模型的标准流程，上下文已对此有所暗示。

   视频直接表达
3. 公式

   $$$$
   解释

   利用训练好的模型预测未来8小时的输出温度。

   步骤依据

   视频明确提到预测未来八小时的输出温度。

   视频直接表达
4. 公式

   $$$$
   解释

   将预测值与实际测量值（若可获得）或基准GM（1，1）模型的预测值进行比较，并采用均方根误差（RSME）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）进行评估。

   步骤依据

   视频指出，这些指标被用于衡量预测精度。

   视频直接表达

IGM（1，1）模型仅需极少的历史数据，即可成功预测GHPS的短期未来温度，且精度高于基准GM（1，1）模型。

通过三个不同大学的数据集进行了实证验证，并按视频所述，采用RSME、MAE和MAPE指标进行评估。

1. 图示
   观察依据

   图中显示一条折线图：纵轴为“温度（°C）”，横轴为“时间（小时）”；图中绘制三条曲线：“实际温度值”（蓝色圆圈）、“IGM（1，1）预测值”（红色星号）和“GM（1，1）预测值”（绿色方块）；图表分为“样本内”与“样本外”两个区域。

1. 以温度和时间为坐标轴的折线图。

2. 蓝色圆形标记代表实际温度值。

3. 红色星形标记代表IGM(1,1)预测值。

4. 绿色方形标记代表GM(1,1)预测值。

5. 一条垂直虚线，用于划分样本内区域与样本外区域。

1. 红色星形（IGM(1,1)）比绿色方形（GM(1,1)）更紧密地追踪蓝色圆形（实际值），尤其在样本外区域，绿色方形显著向上偏离。

1. 横轴表示时间（单位：小时），纵轴表示温度（单位：摄氏度）。

2. 样本内（训练）阶段与样本外（测试/预测）阶段的区分保持不变。

视觉证据直接支持这一论断：IGM(1,1)模型比标准GM(1,1)模型提供更准确的预测，因其预测值随时间推移始终更接近实际测量温度。

1. 动画
   观察依据

   从00:04到00:13，画面呈现一本封面题为《地理学、地球科学与环境：研究亮点 第7卷》的图书，背景为雪山。

2. 动画
   观察依据

   从00:14到00:20，画面呈现一块蓝色标牌，标牌上印有相同的书名，背景为青山景观。

3. 动画
   观察依据

   从00:21到00:30，画面呈现一幅海岸岩石场景，并叠加一个紫蓝色渐变按钮，按钮文字为“请在此查阅该书”，下方附有DOI链接。

4. 动画
   观察依据

   从00:31到00:42，白色屏幕显示BP国际公司标志、出版方说明及社交媒体链接。

1. 图书封面

2. 蓝色悬挂标牌

3. 滨海景观

4. 渐变按钮

5. DOI链接

6. BP国际公司标志

7. 社交媒体图标

1. 背景依次由雪山过渡为青山，再过渡为岩岸，最后变为白色屏幕

2. 宣传文字与标志依次出现

1. 此片段中未展示任何数学公式或数据图表

这一视觉序列是标准的出版方片尾，用于推广相关图书和频道，不包含新的数学内容。

1. 声音
   观察依据

   讲解者指出，IGM(1,1)模型旨在‘提高灰色预测模型（GM）的预测精度’。

2. 字幕依据
   观察依据

   屏幕文字确认IGM(1,1)是对GM模型的改进。

IGM（1，1）模型是标准GM（1，1）模型的增强版本，引入了误差校正机制以提升其预测精度。

1. 声音
   观察依据

   讲述者将RSME、MAE和MAPE列为‘用于衡量IGM（1，1）模型预测精度’的指标。

2. 字幕依据
   观察依据

   屏幕文字与音频关于评估指标的内容一致。

统计指标（RSME、MAE、MAPE）被用于对IGM（1，1）预测方法的性能与精度进行定量评估。

1. 图示
   观察依据

   该图直观展示了IGM（1，1）的预测值比GM（1，1）的预测值更贴近实际值。

2. 声音
   观察依据

   讲述者讨论模型的应用及其性能评估，并引出图表中所展示的结果。

图形对比作为视觉证据，支持‘IGM（1，1）模型在样本内模拟与样本外预测两方面均优于GM（1，1）模型’这一论断。

1. 声音
   观察依据

   讲述者解释IGM（1，1）模型中具体的误差校正步骤。

2. 字幕依据
   观察依据

   文字详述了上一预测值与上一即时均值之间误差的减法运算。

1. IGM（1，1）模型的方法论
2. IGM（1，1）修正步骤的推导

1. 声音
   观察依据

   讲述者将RSME、MAE和MAPE列为评估指标。

2. 字幕依据
   观察依据

   文字确认这些指标被用于衡量预测精度。

1. 预测精度评估指标

1. 声音
   观察依据

   讲述者说明使用24个数据点来预测地源热泵系统（GHPS）未来8小时的温度。

2. 字幕依据
   观察依据

   文字列出所涉大学名称及数据集参数。

1. 应用于地源热泵系统数据集
2. IGM（1，1）模型的方法论

1. 字幕依据
   观察依据

   文字提到要让IGM（1,1）在比短期更长的时间范围内更加准确。

1. IGM（1,1）模型的预期改进