城市燃?xì)馊肇?fù)荷組合預(yù)測方法研究
發(fā)布時(shí)間:2023-03-20 04:59
天然氣作為當(dāng)今世界最為綠色、高效的優(yōu)質(zhì)能源之一,被世界各國人民廣泛使用。隨著全球經(jīng)濟(jì)的快速發(fā)展和人類生存環(huán)境的不斷惡化,人類對天然氣的需求量急劇提升。因此,對城市燃?xì)庳?fù)荷進(jìn)行預(yù)測表現(xiàn)的尤為重要。本文主要對城市燃?xì)馊肇?fù)荷進(jìn)行短期預(yù)測。由于在全年范圍內(nèi),每2個(gè)月內(nèi)的溫度和人口等因素變化范圍不大。因此,將某市某年的燃?xì)馊肇?fù)荷歷史數(shù)據(jù)分為6組,分別利用廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(GD-FNN)和隨機(jī)集理論對燃?xì)馊肇?fù)荷進(jìn)行組合預(yù)測,利用突變理論預(yù)測可能發(fā)生突變的時(shí)間點(diǎn),然后分別得到每種預(yù)測方法的(平均)預(yù)測精度和時(shí)間。最終,對每種預(yù)測方法的優(yōu)缺點(diǎn)進(jìn)行分析對比,得到結(jié)論。針對城市燃?xì)馊肇?fù)荷預(yù)測方法研究,本文主要從事以下工作,即:(1)分別采用GRNN、灰色-GRNN和梯度-GRNN對燃?xì)馊肇?fù)荷進(jìn)行預(yù)測,得到(平均)相對誤差及預(yù)測精度,三種方法的預(yù)測精度分別為83.734%,85.364%和86.538%。在接下來的預(yù)測中,以這3種預(yù)測數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)進(jìn)行組合預(yù)測,提高燃?xì)馊肇?fù)荷預(yù)測精度。(2)采用GD-FNN對燃?xì)馊肇?fù)荷進(jìn)行組合預(yù)測,將上面GRNN、灰色-GRNN和梯度-GRNN的預(yù)測結(jié)果作為GD-FNN...
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究的背景及意義
1.2 燃?xì)庳?fù)荷預(yù)測研究現(xiàn)狀及用氣規(guī)律
1.2.1 國內(nèi)外燃?xì)庳?fù)荷預(yù)測研究現(xiàn)狀
1.2.2 城市燃?xì)庳?fù)荷用氣規(guī)律分析
1.3 燃?xì)庳?fù)荷預(yù)測概念及影響因素
1.4 研究方法與內(nèi)容安排
1.4.1 本文的研究方法
1.4.2 本文的內(nèi)容安排
第2章 城市燃?xì)馊肇?fù)荷預(yù)測方法分析
2.1 常見預(yù)測方法分析
2.1.1 回歸分析法
2.1.2 專家系統(tǒng)法
2.1.3 人工神經(jīng)網(wǎng)絡(luò)法
2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)
2.3 廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)
2.4 隨機(jī)集理論概述
2.5 突變理論
2.6 預(yù)測方法的確定
2.7 本章小結(jié)
第3章 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的城市燃?xì)馊肇?fù)荷預(yù)測
3.1 基于廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.2 基于灰色-廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.2.1 灰色理論法
3.2.2 預(yù)測結(jié)果及分析
3.3 基于梯度-廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.3.1 梯度神經(jīng)網(wǎng)絡(luò)法
3.3.2 預(yù)測結(jié)果及分析
3.4 數(shù)據(jù)對比分析
3.5 本章小結(jié)
第4章 基于信息融合理論的城市燃?xì)馊肇?fù)荷組合預(yù)測
4.1 信息融合理論概述
4.2 基于廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)建立組合預(yù)測模型
4.3 基于隨機(jī)集理論建立組合預(yù)測模型
4.3.1 馬氏距離的定義
4.3.2 預(yù)測結(jié)果及分析
4.4 方法對比分析
4.5 本章小結(jié)
第5章 突變理論在燃?xì)馊肇?fù)荷預(yù)測中的應(yīng)用
5.1 確定突變模型
5.2 建立燃?xì)馊肇?fù)荷的預(yù)測模型
5.2.1 尖點(diǎn)型突變模型工作原理
5.2.2 基于尖點(diǎn)型突變建立燃?xì)馊肇?fù)荷的預(yù)測模型
5.3 數(shù)據(jù)處理與結(jié)果
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝
本文編號:3766738
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究的背景及意義
1.2 燃?xì)庳?fù)荷預(yù)測研究現(xiàn)狀及用氣規(guī)律
1.2.1 國內(nèi)外燃?xì)庳?fù)荷預(yù)測研究現(xiàn)狀
1.2.2 城市燃?xì)庳?fù)荷用氣規(guī)律分析
1.3 燃?xì)庳?fù)荷預(yù)測概念及影響因素
1.4 研究方法與內(nèi)容安排
1.4.1 本文的研究方法
1.4.2 本文的內(nèi)容安排
第2章 城市燃?xì)馊肇?fù)荷預(yù)測方法分析
2.1 常見預(yù)測方法分析
2.1.1 回歸分析法
2.1.2 專家系統(tǒng)法
2.1.3 人工神經(jīng)網(wǎng)絡(luò)法
2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)
2.3 廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)
2.4 隨機(jī)集理論概述
2.5 突變理論
2.6 預(yù)測方法的確定
2.7 本章小結(jié)
第3章 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的城市燃?xì)馊肇?fù)荷預(yù)測
3.1 基于廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.2 基于灰色-廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.2.1 灰色理論法
3.2.2 預(yù)測結(jié)果及分析
3.3 基于梯度-廣義回歸神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型
3.3.1 梯度神經(jīng)網(wǎng)絡(luò)法
3.3.2 預(yù)測結(jié)果及分析
3.4 數(shù)據(jù)對比分析
3.5 本章小結(jié)
第4章 基于信息融合理論的城市燃?xì)馊肇?fù)荷組合預(yù)測
4.1 信息融合理論概述
4.2 基于廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)建立組合預(yù)測模型
4.3 基于隨機(jī)集理論建立組合預(yù)測模型
4.3.1 馬氏距離的定義
4.3.2 預(yù)測結(jié)果及分析
4.4 方法對比分析
4.5 本章小結(jié)
第5章 突變理論在燃?xì)馊肇?fù)荷預(yù)測中的應(yīng)用
5.1 確定突變模型
5.2 建立燃?xì)馊肇?fù)荷的預(yù)測模型
5.2.1 尖點(diǎn)型突變模型工作原理
5.2.2 基于尖點(diǎn)型突變建立燃?xì)馊肇?fù)荷的預(yù)測模型
5.3 數(shù)據(jù)處理與結(jié)果
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝
本文編號:3766738
本文鏈接:http://sikaile.net/jianzhugongchenglunwen/3766738.html
最近更新
教材專著