【摘要】：原油產(chǎn)量預測系統(tǒng)受環(huán)境因素、科技水平因素、國家政策以及其他因素的影響,與國家的經(jīng)濟、軍事和進口政策的制定關(guān)系匪淺.密切關(guān)注我國原油產(chǎn)量,探索其下降的原因,并進行合理預測以規(guī)避潛在的不利影響.原油產(chǎn)量數(shù)據(jù)具有非線性、不平穩(wěn)的特點,精準預測的難度較大.為了提高預測的精度,這里提出了VMD-BPNN組合模型.在實證分析中,通過變分模態(tài)分解(Variational Mode Decomposition,VMD)將我國原油產(chǎn)量月度數(shù)據(jù)分解為K個分量及殘差項,接著對K+1個分量分別使用BP神經(jīng)網(wǎng)絡(luò)進行預測,將得到的預測結(jié)果加總起來作為VMD-BPNN組合模型的最終預測值.根據(jù)三種評價標準,VMD-BPNN組合模型預測的效果比單個BP神經(jīng)網(wǎng)絡(luò)和EEMD-BPNN組合模型的好.由于VMD算法需要預先設(shè)定好K值,這里根據(jù)集合經(jīng)驗模態(tài)分解(Ensamble Empirical Mode Decomposition,EEMD)結(jié)果中的模態(tài)數(shù)來確定VMD的K值.
【圖文】：

蘭州大學碩士研究生學位論文 基于VMD和神經(jīng)網(wǎng)絡(luò)的原油產(chǎn)量預測1( ) ( ) ( )n n nr t c t r t . (2-4循環(huán)幾次，當 ( )nc t 或 ( )nr t 的值小于預先設(shè)定的數(shù)值或者 ( )nr t 是時間的單調(diào)函數(shù). 當二者滿足其一，，分解過程結(jié)束, 原信號被分為n個分量與 ( )nr t 之和. 但會出現(xiàn)分解不完全、端點效應(yīng)、“虛假”模態(tài)或者某個 IMF 中包含了不同頻率的混頻現(xiàn)象.2.1.2 集合經(jīng)驗模態(tài)分解的算法步驟有了 EMD 的思想, 仍需解決其存在的問題, 由此提出了 EEMD. 通過在原始信號中不斷加入高斯白噪聲信號, 然后一次次進行 EMD, 再對每次分解出來的本征模態(tài)函數(shù)進行平均以抵消加入白噪聲的影響, 具體步驟如下圖所示:

究生學位論文 基于VMD和神經(jīng)網(wǎng) -1,01,0()wxbwxbf x, 了一個簡單地人工神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)例圖[31], 包先不知道輸入輸出間映射關(guān)系的情況下, 通過訓中的映射關(guān)系. 這里對人工神經(jīng)網(wǎng)絡(luò)的一些術(shù)語進輸入層和輸出層, 輸入層的神經(jīng)元稱為輸入神經(jīng)元經(jīng)元. 除輸出層與輸入層外的就是隱藏層, 對應(yīng)的
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F224;F426.22

【參考文獻】

相關(guān)期刊論文 前10條

1 耿倪;;基于小波變換和時間序列模型的Brent原油期貨價格預測[J];中國商論;2018年05期

2 范秋楓;王濤;張智峰;;量子粒子群智能算法在國際布倫特原油價格預測中的應(yīng)用[J];模糊系統(tǒng)與數(shù)學;2017年04期

3 孟雅蕾;王予;;基于過程神經(jīng)網(wǎng)絡(luò)對原油產(chǎn)量預測技術(shù)的探討[J];電腦知識與技術(shù);2017年13期

4 歐陽靜;張立彬;潘國兵;徐紅偉;陳金鑫;;基于諧波補償?shù)腍HT:暫態(tài)電能質(zhì)量信號分析新方法[J];高技術(shù)通訊;2017年01期

5 孫一鳴;吳楊揚;李平;;基于改進雙門限法的語音端點檢測研究[J];長春理工大學學報(自然科學版);2016年01期

6 和志明;易娟子;;新疆原油產(chǎn)量的灰色組合預測研究[J];石油工業(yè)計算機應(yīng)用;2010年04期

7 姚志剛;;改進的Logistic模型在原油產(chǎn)量預測中的應(yīng)用[J];油氣地質(zhì)與采收率;2010年03期

8 李智超;趙正文;鐘儀華;李建麗;劉道杰;;小波神經(jīng)網(wǎng)絡(luò)在油田產(chǎn)量預測中的應(yīng)用[J];大慶石油地質(zhì)與開發(fā);2008年06期

9 鐘雨師;葉志瑾;陳武;陳光海;;油田原油產(chǎn)量改進的二次指數(shù)最優(yōu)預測方法研究[J];鉆采工藝;2008年04期

10 李卓,劉斌,劉鐵男;支持向量機在油田產(chǎn)量預測中的應(yīng)用[J];大慶石油學院學報;2005年05期

相關(guān)博士學位論文 前3條

1 盧志宏;基于BP神經(jīng)網(wǎng)絡(luò)的荒漠嚙齒動物群落對氣候變化滯后響應(yīng)[D];內(nèi)蒙古農(nóng)業(yè)大學;2016年

2 呂中亮;基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D];重慶大學;2016年

3 張郁山;希爾伯特—黃變換（HHT）與地震動時程的希爾伯特譜[D];中國地震局地球物理研究所;2003年

相關(guān)碩士學位論文 前3條

1 張鎖峰;基于VMD的旋轉(zhuǎn)機械故障診斷方法研究[D];桂林電子科技大學;2017年

2 赫彬;基于模態(tài)分解的MEMS矢量水聽器信號去噪及應(yīng)用[D];中北大學;2017年

3 趙李明;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的廣州市空氣質(zhì)量預測與時空分布研究[D];江西理工大學;2016年

本文編號：2623639