煤炭資源在我國能源消費(fèi)總量中仍然占據(jù)主導(dǎo)地位,準(zhǔn)確預(yù)測煤炭的需求量對我國經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級有著重大意義,針對傳統(tǒng)煤炭需求量預(yù)測單一預(yù)測方法的缺陷,建立了組合灰色神經(jīng)網(wǎng)絡(luò)模型,為進(jìn)一步提高模型精度,選用馬爾科夫模型縮小預(yù)測殘差范圍來修正組合模型,進(jìn)而建立了Markov—GNNM組合模型,旨在為準(zhǔn)確預(yù)測煤炭需求量提供模型依據(jù)。選取2000—2018年我國煤炭需求量數(shù)據(jù)進(jìn)行實(shí)證分析,預(yù)測結(jié)果表明該模型預(yù)測精度高,適用于煤炭需求量預(yù)測。 

【文章來源】：煤炭經(jīng)濟(jì)研究. 2020,40(06)

【文章頁數(shù)】：5 頁

【部分圖文】：

灰色神經(jīng)網(wǎng)絡(luò)預(yù)測流程

由表3可知，經(jīng)馬爾科夫模型修正后的組合模型平均相對誤差為0.019 2，相比對于組合模型誤差又大幅降低，因此修正后的組合模型精度更高，與實(shí)際值更加接近，更加適合煤炭需求量的預(yù)測。3 結(jié)論

【參考文獻(xiàn)】：
期刊論文
[1]基于組合核函數(shù)SVM的中小流域流量預(yù)測研究[J]. 劉昕玥,姚建國,萬定生.  計(jì)算機(jī)仿真. 2019(11)
[2]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測方法研究[J]. 王克杰,張瑞.  電測與儀表. 2019(24)
[3]改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)煤礦瓦斯涌出量預(yù)測模型[J]. 馬晟翔,李希建.  礦業(yè)研究與開發(fā). 2019(10)
[4]支撐式?jīng)_擊破巖掘進(jìn)機(jī)支護(hù)機(jī)構(gòu)疲勞壽命預(yù)測方法研究[J]. 宋宇寧,徐曉辰.  礦業(yè)研究與開發(fā). 2019(10)
[5]基于支持向量機(jī)的大連港主要貨種吞吐量預(yù)測研究[J]. 宋長利,靳廉潔,關(guān)峰,林木西.  大連海洋大學(xué)學(xué)報(bào). 2019(05)
[6]基于時(shí)空特征的地鐵客流預(yù)測[J]. 張和杰,馬維華.  計(jì)算機(jī)科學(xué). 2019(07)
[7]基于SVM的共享單車需求預(yù)測[J]. 宋鵬,黃同愿,劉渝橋.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(07)
[8]基于改進(jìn)灰色GM（1,1）模型的天然氣負(fù)荷預(yù)測[J]. 孫相博,王岳.  遼寧石油化工大學(xué)學(xué)報(bào). 2019(03)
[9]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的短時(shí)公交客流預(yù)測[J]. 陳深進(jìn),薛洋.  計(jì)算機(jī)科學(xué). 2019(05)
[10]基于LEAP模型的中國煤炭需求情景分析[J]. 高俊蓮,姜克雋,劉嘉,徐向陽.  中國煤炭. 2017(04)



本文編號：3311356