建設(shè)節(jié)約型能源社會(huì)已成為社會(huì)發(fā)展的一大要求,燃?xì)庾鳛槌鞘邪l(fā)展和居民使用的重要能源之一起著至關(guān)重要的作用,如何在一定程度上發(fā)揮燃?xì)庾畲髢r(jià)值是一個(gè)值得研究的課題。如果人們?cè)谏钪袑?duì)燃?xì)獾氖褂貌灰?guī)范,就會(huì)出現(xiàn)燃?xì)夤┝坎蛔慊蛘呤侨細(xì)膺^(guò)剩、資源浪費(fèi)等問(wèn)題,這些問(wèn)題都會(huì)影響城市居民或企業(yè)的使用。因此,針對(duì)具體的城市燃?xì)庥昧繕?gòu)建一套有效的預(yù)測(cè)模型是非常有必要的。之前有大量學(xué)者針對(duì)城市燃?xì)庥昧康念A(yù)測(cè)問(wèn)題已提出多種模型,有傳統(tǒng)預(yù)測(cè)模型,也有近幾年來(lái)流行的神經(jīng)網(wǎng)絡(luò)模型。傳統(tǒng)模型雖具有較高的穩(wěn)定性但很難處理大規(guī)模數(shù)據(jù);而神經(jīng)網(wǎng)絡(luò)模型在擅長(zhǎng)處理大規(guī)模數(shù)據(jù)時(shí)且有不錯(cuò)的預(yù)測(cè)效果時(shí),模型波動(dòng)比較大。因此,為了保證模型既有較高的穩(wěn)定性又有足夠的精確性,本文提出了一種將傳統(tǒng)模型和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)的一種新的組合預(yù)測(cè)模型,SARIMAX+EMD+GRU模型。在已有具體城市燃?xì)馐褂昧繑?shù)據(jù)基礎(chǔ)上,具體分析數(shù)據(jù)所包含的外在特征和內(nèi)在特征,選取了多種可能影響預(yù)測(cè)結(jié)果的特征。除此之外為了評(píng)價(jià)分析提出的新模型的預(yù)測(cè)效果,文章還建立了小波+SARIMAX模型,卷積神經(jīng)網(wǎng)絡(luò)模型和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)多種預(yù)測(cè)模型。通過(guò)對(duì)比分析各個(gè)模型預(yù)測(cè)的結(jié)... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來(lái)源
    1.2 課題背景及研究的目的和意義
    1.3 國(guó)內(nèi)外在該方向的研究現(xiàn)狀
    1.4 主要研究?jī)?nèi)容
第2章 分析數(shù)據(jù)信息并提取特征
    2.1 分析數(shù)據(jù)信息
    2.2 提取模型特征
    2.3 本章小結(jié)
第3章 預(yù)備知識(shí)
    3.1 小波分析
        3.1.1 傅里葉變換
        3.1.2 小波變換
        3.1.3 常見(jiàn)的幾種小波基函數(shù)
    3.2 經(jīng)驗(yàn)?zāi)B(tài)分解
        3.2.1 EMD方法中的前提假設(shè)
        3.2.2 EMD分解過(guò)程
        3.2.3 EMD分解性質(zhì)
    3.3 ARIMA模型
        3.3.1 AR(p)模型
        3.3.2 MA(q)模型
        3.3.3 ARIMA(p,d,q)模型
        3.3.4 建模過(guò)程
    3.4 SARIMAX模型
        3.4.1 SARIMAX模型表達(dá)式
        3.4.2 SARIMAX模型建模過(guò)程
    3.5 CNN
        3.5.1 CNN的結(jié)構(gòu)
        3.5.2 CNN的訓(xùn)練方法
    3.6 RNN
        3.6.1 RNN網(wǎng)絡(luò)結(jié)構(gòu)
        3.6.2 RNN前向傳播過(guò)程
        3.6.3 梯度消失和梯度爆炸問(wèn)題
    3.7 LSTM和 GRU
        3.7.1 LSTM概述
        3.7.2 LSTM網(wǎng)絡(luò)結(jié)構(gòu)
        3.7.3 GRU
    3.8 本章小結(jié)
第4章 基于SARIMAX+EMD+GRU的燃?xì)馊肇?fù)荷預(yù)測(cè)
    4.1 建模思想與建�？蚣�
    4.2 模型的初步預(yù)測(cè)-SARIMAX模型
        4.2.1 模型識(shí)別
        4.2.2 模型定階
        4.2.3 模型訓(xùn)練
        4.2.4 模型評(píng)價(jià)及實(shí)驗(yàn)結(jié)果分析
    4.3 模型第二階段預(yù)測(cè)-EMD+GRU模型
        4.3.1 預(yù)測(cè)步驟
        4.3.2 EMD分解結(jié)果
        4.3.3 建立GRU模型
    4.4 模型整個(gè)預(yù)測(cè)結(jié)果分析
    4.5 其他預(yù)測(cè)模型
        4.5.1 小波+SARIMAX模型
        4.5.2 CNN
        4.5.3 LSTM
    4.6 模型預(yù)測(cè)結(jié)果對(duì)比分析
    4.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于ARIMA和馬氏鏈模型的中國(guó)財(cái)政收入預(yù)測(cè)[J]. 侯甜甜,楊叢,詹炳歡.  平頂山學(xué)院學(xué)報(bào). 2020(02)
[2]基于指數(shù)平滑法的G市主要貨物流通量預(yù)測(cè)[J]. 單海霞,余秋豪,高波.  物流科技. 2020(01)
[3]基于改進(jìn)LMD與GRU網(wǎng)絡(luò)的短期燃?xì)庳?fù)荷預(yù)測(cè)[J]. 張彤,徐曉鐘,王曉霞,楊超.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(06)
[4]基于BPNN-EMD-LSTM組合模型的城市短期燃?xì)庳?fù)荷預(yù)測(cè)[J]. 陳川,陳冬林,何李凱.  安全與環(huán)境工程. 2019(01)
[5]城市天然氣短期日需求量預(yù)測(cè)新模型[J]. 舒漫,劉夏蘭,徐婷,謝雯娟,何斌.  天然氣工業(yè). 2018(06)
[6]基于Akima-LMD和GRNN的短期負(fù)荷預(yù)測(cè)[J]. 鄒紅波,伏春林,喻圣.  電工電能新技術(shù). 2018(01)
[7]基于多項(xiàng)式擬合的鐵水含硅量動(dòng)態(tài)預(yù)測(cè)模型[J]. 熊琦.  中國(guó)高新區(qū). 2018(02)
[8]基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)仿真研究[J]. 陳亞,李萍.  電氣技術(shù). 2017(01)
[9]基于Elman神經(jīng)網(wǎng)絡(luò)的短期天然氣負(fù)荷預(yù)測(cè)建模與仿真[J]. 宋超,宋娟,任軍.  工業(yè)控制計(jì)算機(jī). 2016(04)
[10]基于改進(jìn)的LMD和GRNN組合風(fēng)速預(yù)測(cè)[J]. 雷慶坤,李生虎,陳曦鳴,王艷艷,華玉婷.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(07)

碩士論文
[1]基于最小二乘支持向量機(jī)的磁滯建模[D]. 康傳會(huì).浙江師范大學(xué) 2010
[2]基于EMD的時(shí)頻分析方法研究[D]. 戴桂平.燕山大學(xué) 2006



本文編號(hào)：3659472