發(fā)布時(shí)間：2021-10-28 19:19

　　能源作為人類一切生產(chǎn)活動(dòng)的動(dòng)力基礎(chǔ),對(duì)于國(guó)家政治、經(jīng)濟(jì)以及戰(zhàn)略的發(fā)展有著重要意義。并且,能源經(jīng)濟(jì)相關(guān)變量波動(dòng),如能源產(chǎn)量或者價(jià)格的漲跌,在很大程度上影響著國(guó)家政策和企業(yè)決策的制定。所以,實(shí)現(xiàn)能源經(jīng)濟(jì)相關(guān)變量的精準(zhǔn)預(yù)測(cè)一直科學(xué)家們所研究的熱點(diǎn)話題。本文基于對(duì)分解集成框架的改進(jìn)優(yōu)化進(jìn)行研究,實(shí)現(xiàn)對(duì)能源經(jīng)濟(jì)變量,如生物能源產(chǎn)量和國(guó)際原油價(jià)格預(yù)測(cè)精度方面的提升,為國(guó)家和相關(guān)企業(yè)的能源發(fā)展提供決策支撐,具體包括以下三方面工作:（1）基于分解-重構(gòu)-集成深度學(xué)習(xí)的生物能源產(chǎn)量預(yù)測(cè)模型本文針對(duì)生物能源產(chǎn)量序列的復(fù)雜性等特點(diǎn),提出一種基于分解-重構(gòu)-集成的深度學(xué)習(xí)預(yù)測(cè)模型。該模型涉及四個(gè)步驟:首先,為降低直接建模困難程度,對(duì)生物能源月度產(chǎn)量數(shù)據(jù)進(jìn)行EMD分解;其次,對(duì)分解后的分量根據(jù)其頻率特性進(jìn)行分量重構(gòu),形成高頻、低頻、趨勢(shì)項(xiàng)三個(gè)序列,以減少計(jì)算時(shí)間復(fù)雜度;再次,根據(jù)高頻、低頻、趨勢(shì)項(xiàng)序列的特點(diǎn),高頻分量波動(dòng)較為復(fù)雜,所以長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）被用于對(duì)高頻項(xiàng)進(jìn)行預(yù)測(cè),而低頻和趨勢(shì)項(xiàng)序列波動(dòng)相對(duì)規(guī)律,極致學(xué)習(xí)機(jī)（ELM）模型被用于進(jìn)行預(yù)測(cè)分析;最后,通過(guò)簡(jiǎn)單加和的方法對(duì)重構(gòu)后各分量的預(yù)測(cè)結(jié)果進(jìn)... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１論文章節(jié)框架圖??．

?Ｉ?士?１??ｊ?｜?分解序＾重構(gòu)?｜?ｊ?ｊ丨分解序列比例觸?｜?ｊ?ｊ?１?麵艦?｜?ｊ??ｉ?ｉ?ｊ?ｉ?＾?ｉ?ｉ?ｊ?ｉ?…士?ｉ??高頻、低頻、趨勢(shì)項(xiàng)ＪＳ測(cè)；?；成分約杗下的分量預(yù)測(cè)，；?分量測(cè)??！?！?！?：?＋?！?！?１?！??Ｉ?￣ｆＳ測(cè)結(jié)果加去集成?Ｉ?Ｉ?｜?誤差最�。礄�(quán)重集成￣?Ｉ?Ｉ?漏賠果集成?１??????Ｖ???深“習(xí)?Ｉ?Ｉ?比例約朿?Ｉ?Ｉ偏差－方差－復(fù)雜性均衡框架??１???能源序列預(yù)測(cè)精度、效率的改進(jìn)優(yōu)化??圖１－２技術(shù)路線圖??１．４創(chuàng)新之處??５??

?第三章基于分解－重構(gòu)－集成的生物能源產(chǎn)量預(yù)測(cè)???３．３實(shí)證分析??３．３．１數(shù)據(jù)描述??在這一章節(jié)將以美國(guó)生物燃料的月度生產(chǎn)數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，代入模型進(jìn)行檢驗(yàn)計(jì)??算，本文所有樣本數(shù)據(jù)收集，包括生物燃料產(chǎn)量數(shù)據(jù)以及原油價(jià)格數(shù)據(jù)，均來(lái)自美國(guó)??能源信息管理局（ＥＩＡ）?（ｈｔｔｐ：／／ｗｗｗ．ｅｉａ．ｄｏｅ．ｇｏｖ／）。從圖可以看出，美國(guó)生物燃料月??度生產(chǎn)數(shù)據(jù)涵蓋了從１９８１年１月至２０１８年５月，共有４４９個(gè)觀察數(shù)據(jù)。為保證實(shí)驗(yàn)??可靠性，本文所有數(shù)據(jù)實(shí)驗(yàn)數(shù)據(jù)設(shè)計(jì)均基于２８原則，將前８０％的樣本數(shù)據(jù)作為訓(xùn)練??集進(jìn)行模型訓(xùn)練，后２０％數(shù)據(jù)作為測(cè)試集用于訓(xùn)練后模型的性能評(píng)估［４５］。并以一個(gè)月、??二個(gè)月、三個(gè)月和六個(gè)月為提前預(yù)測(cè)期，進(jìn)行多步超前預(yù)測(cè)，以檢驗(yàn)所提出的混合集??成預(yù)測(cè)模型的優(yōu)越性。??Ｂｉｏｆｕｅｌｓ?Ｐｒｏｄｕｃｔｉｏｎ：Ｔｒｉｌｌｋ＞ｎ?Ｂｔｕ??：?，??Ｉ?—???／??〇??：????■二—??????；?＞?ｙｅａｒ??ｌｌｉｌｌｌｌｌｌｌＳｉｌｉｌｌｌｌｌｌｌｌｌｉｉｌｉｉｌｉｉｉｌｌｌｌｌｌ??圖３－４美國(guó)生物燃料月度產(chǎn)量數(shù)據(jù)??３．３．２原始系列分解與重構(gòu)??ＥＭＤ分解方法被用于對(duì)生物燃料產(chǎn)量序列進(jìn)行分級(jí)，它的分解結(jié)果取決于原有數(shù)??據(jù)固有的特征，這些分解分量承載這不同因素信息。通過(guò)ＥＭＤ分解生物燃料月度生產(chǎn)??的原始序列數(shù)據(jù)，分解結(jié)果如圖３－５所示。由此可見(jiàn)，生物燃料月度生產(chǎn)的原始時(shí)間序??列數(shù)據(jù)共分解為７個(gè)ＩＭＦ和１個(gè)殘差項(xiàng)。??１９??


本文編號(hào)：3463228