论文摘要
城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络（BPNN）-经验模态分解（EMD）-长短期记忆（LSTM）神经网络的组合预测模型,对该市短期燃气日负荷进行了预测。首先通过BPNN模型学习温度、日期属性影响下燃气负荷的主要特征,增长趋势等次要特征则体现在BPNN模型预测产生的残差中;然后采用EMD算法分解残差得到有限个本征模函数（IMF）,并利用LSTM模型学习各IMF分量的短期时序规律,将各IMF分量的预测值相加得到残差预测值;最后将两部分预测值代数相加得到最终的预测结果。实证结果表明:与单一的LSTM模型和BPNN-LSTM模型相比,该组合预测模型半月步长的平均绝对误差为3.4%,预测精度更高,是一种更为有效的城市短期燃气负荷预测方法。
论文目录
文章来源
类型: 期刊论文
作者: 陈川,陈冬林,何李凯
关键词: 短期燃气负荷,组合预测模型,神经网络,经验模态分解,长短期记忆神经网络
来源: 安全与环境工程 2019年01期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 武汉理工大学电子商务与智能服务研究中心
基金: 国家自然科学基金项目(71601151)
分类号: TU996
DOI: 10.13578/j.cnki.issn.1671-1556.2019.01.023
页码: 149-154+169
总页数: 7
文件大小: 1991K
下载量: 557
相关论文文献
标签：短期燃气负荷论文; 组合预测模型论文; 神经网络论文; 经验模态分解论文; 长短期记忆神经网络论文;