共查询到16条相似文献,搜索用时 93 毫秒
1.
城市燃气季节性负荷预测模型的建立及求解 总被引:8,自引:3,他引:5
根据城市燃气管网季节性负荷变化的特点。采用最优组合理论,将灰色GM(1,1)预测模型和人工神经网络模型的优点结合起来。建立了一个基于灰色神经网络的城市燃气管网季节性负荷预测模型,并提出了相应的求解方法,此模型能同时反映燃气负荷随时间的增长趋势和随不确定因素的波动特性。通过实例的计算结果表明:所建模型具有较高的收敛速度和预测精度,较强的适应性和灵活性,为城市燃气季节性用气负荷的预测提供理论分析依据。 相似文献
2.
3.
5.
提出采用Dropout技术的长短期记忆神经网络模型(Dropout-LSTM模型),对城市燃气日负荷进行预测。由于不同时期的燃气日负荷具有不同特点,将全年分为供暖期、过渡期及非供暖期,分别对3个时期的日负荷和影响因素进行相关性分析,确定3个模型的输入特征,建立3个时期的日负荷预测Dropout-LSTM模型,采用平均绝对百分比误差对模型预测效果进行评价。Dropout-LSTM模型可以很好地预测城市燃气日负荷,比BP模型、LSTM模型以及SVM模型有更好的预测效果。与基于全年数据的全年预测模型相比,分时期预测模型预测精度更高。供暖期的燃气日负荷规律性强,对供暖期的日负荷预测精度最高,非供暖期次之,由于过渡期日负荷波动大,预测效果是3个时期中最差的。 相似文献
6.
7.
燃气负荷是燃气工程重要的基础技术数据,燃气供气负荷及其变化规律的预测是城市输配系统所必须面对的重要问题,文章叙述了南京城市燃气供气负荷预测研究课题的概况. 相似文献
8.
介绍支持向量机的原理和支持向量回归模型,提出支持向量回归(SVR)模型的城市燃气短期负荷预测方法。探讨输入样本数据的选择和预处理方法、核函数和支持向量机参数的选择,结合某城市燃气日负荷数据进行燃气短期负荷预测。与BP神经网络预测方法相比,支持向量回归模型预测方法用于小样本情况下的燃气短期负荷预测精度略高。 相似文献
9.
10.
11.
基于一次累加法的城市燃气年负荷预测 总被引:1,自引:1,他引:0
由于燃气负荷原始时间序列非线性随机变化,而一次累加法具有削弱时间序列随机性的特点,提出了一次累加法在城市燃气负荷预测中的应用方法。实例表明,一次累加法预测模型精度高,预测结果可靠,可用于城市燃气年负荷预测。 相似文献
12.
基于神经网络的城市燃气短期负荷预测 总被引:2,自引:2,他引:0
采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力. 相似文献
13.
14.
对于城市燃气年负荷预测,多模型组合预测是提高预测精度的有效方法。应用信息论中的信息熵概念对各单一模型进行综合评价,计算其在组合预测模型中的权重。实例计算证明,多模型的组合预测能综合单一模型的特点,具有良好的应用效果。 相似文献
15.