基于小波变换和深度学习的短期天然气负荷预测研究 |
| |
作者姓名: | 田文才 乔伟彪 周国峰 刘伟 |
| |
作者单位: | 1.华北水利水电大学 环境与市政工程学院,河南 郑州 4500462.重庆大学 资源与安全学院,重庆 400044 |
| |
基金项目: | 重庆市基础研究与前沿探索项目(cstc2018jcyjAX0441) |
| |
摘 要: | 随着天然气在能源消耗中占比越来越大,如何准确预知未来的天然气消耗量,对天然气资源合理规划具有重大意义。针对此问题,提出一种基于小波变换和深度学习的短期天然气负荷预测模型。首先对所收集的天然气负荷数据利用不同小波变换进行分解,之后对其进行归一化处理;其次利用深度学习算法对数据进行训练与预测;然后利用小波重构对预测的数据分别进行整合;最后以平均绝对百分误差、平均绝对误差和均方根误差为评价指标,评价不同小波变换的预测结果,计算最优小波变换的最优阶数和层数。结果表明,Fk小波变换第22阶第6层相对于其他小波变换和直接利用LSTM进行预测具有更高的预测精度。
|
关 键 词: | 深度学习 LSTM 小波 阶数 层数 |
收稿时间: | 2021-03-29 |
|
| 点击此处可从《辽宁石油化工大学学报》浏览原始摘要信息 |
|
点击此处可从《辽宁石油化工大学学报》下载全文 |