煤炭資源在我國能源消費總量中仍然占據(jù)主導地位,準確預測煤炭的需求量對我國經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級有著重大意義,針對傳統(tǒng)煤炭需求量預測單一預測方法的缺陷,建立了組合灰色神經(jīng)網(wǎng)絡(luò)模型,為進一步提高模型精度,選用馬爾科夫模型縮小預測殘差范圍來修正組合模型,進而建立了Markov—GNNM組合模型,旨在為準確預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)進行實證分析,預測結(jié)果表明該模型預測精度高,適用于煤炭需求量預測。 

【文章來源】：煤炭經(jīng)濟研究. 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，與實際值更加接近，更加適合煤炭需求量的預測。3 結(jié)論

【參考文獻】：
期刊論文
[1]基于組合核函數(shù)SVM的中小流域流量預測研究[J]. 劉昕玥,姚建國,萬定生.  計算機仿真. 2019(11)
[2]基于改進BP神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測方法研究[J]. 王克杰,張瑞.  電測與儀表. 2019(24)
[3]改進的BP神經(jīng)網(wǎng)絡(luò)煤礦瓦斯涌出量預測模型[J]. 馬晟翔,李希建.  礦業(yè)研究與開發(fā). 2019(10)
[4]支撐式?jīng)_擊破巖掘進機支護機構(gòu)疲勞壽命預測方法研究[J]. 宋宇寧,徐曉辰.  礦業(yè)研究與開發(fā). 2019(10)
[5]基于支持向量機的大連港主要貨種吞吐量預測研究[J]. 宋長利,靳廉潔,關(guān)峰,林木西.  大連海洋大學學報. 2019(05)
[6]基于時空特征的地鐵客流預測[J]. 張和杰,馬維華.  計算機科學. 2019(07)
[7]基于SVM的共享單車需求預測[J]. 宋鵬,黃同愿,劉渝橋.  重慶理工大學學報(自然科學). 2019(07)
[8]基于改進灰色GM（1,1）模型的天然氣負荷預測[J]. 孫相博,王岳.  遼寧石油化工大學學報. 2019(03)
[9]基于改進卷積神經(jīng)網(wǎng)絡(luò)的短時公交客流預測[J]. 陳深進,薛洋.  計算機科學. 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