為了對能源需求進行更精確的預測,基于分數(shù)階灰色模型和反向傳播神經(jīng)網(wǎng)絡,建立基于誤差補償?shù)姆謹?shù)階灰色模型。隨后利用河北省歷年電力消費數(shù)據(jù)檢驗模型的精度,并將其與傳統(tǒng)分數(shù)階灰色模型作對比。最后對四川省煤炭類能源需求量進行了預測分析。結(jié)果表明,基于誤差補償?shù)姆謹?shù)階灰色模型具有更高的精確度與有效性,反向傳播神經(jīng)網(wǎng)絡對分數(shù)階灰色模型的誤差補償作用明顯,該模型有效地模擬了原始數(shù)據(jù)的變化趨勢,并預測出煤炭類能源的消費量將呈下降后趨于平穩(wěn)的趨勢。 

【文章來源】：機械設計與制造工程. 2019,48(05)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖2兩種模型相對誤差變化趨勢圖表2四川省煤炭分數(shù)階灰色模型

．9012146．7700．00201011520．4011499．1300．18－1．2011499．6300．18201111454．3411562．200－0．94－5．3811459．780－0．05201211872．2011536．3302．834．0911857．6000．12201311658．6011448．6801．800．8911533．6101．07201411045．4010965．6400．72－2．9311066．830－0．19MAPE1．990．1720159288．9010801．450－16．28－6．099675．410－4．1620168869．5010621．840－19．76－7．879045．000－1．98MAPE18．023．07其中，基于誤差補償?shù)姆謹?shù)階灰色模型與分數(shù)階灰色模型的相對誤差變化比較圖如圖3所示。圖3兩種模型相對誤差變化比較圖從圖中可以看出，基于誤差補償?shù)姆謹?shù)階灰色模型相對誤差變化相對于分數(shù)階灰色模型更加收斂，BP神經(jīng)網(wǎng)絡對分數(shù)階灰色模型的誤差補償作用明顯，說明此模型對四川省煤炭類能源消費量的預測具有較高的精度�；谡`差補償?shù)姆謹?shù)階灰色模型預測未來5年數(shù)據(jù)(表3)，該模型對原始數(shù)據(jù)的擬合圖如圖4所示。由圖可知，使用基于誤差補償?shù)姆謹?shù)階灰色模型對四川省煤炭類能源消費量進行模擬預測，具有更高的精確度與可信度。根據(jù)預測結(jié)果顯示，2017～2021年四川省煤炭類能源的消費量呈持續(xù)下降并逐漸平穩(wěn)的趨勢。可以看出，在政府的政策支持下，煤炭類能源作為·19·2019年第5期胡宇:基于誤差補償?shù)姆謹?shù)階灰色模型對四川省煤炭類能源消費的預測分析

【參考文獻】：
期刊論文
[1]基于分數(shù)階累加的離散灰色模型[J]. 吳利豐,劉思峰,姚立根.  系統(tǒng)工程理論與實踐. 2014(07)
[2]基于灰色神經(jīng)網(wǎng)絡組合模型的電力消費量預測——以河北省為例[J]. 解晗.  保定學院學報. 2014(02)
[3]基于粒子群改進BP神經(jīng)網(wǎng)絡的組合預測模型及其應用[J]. 崔吉峰,乞建勛,楊尚東.  中南大學學報(自然科學版). 2009(01)
[4]四川能源生產(chǎn)、消費問題研究[J]. 余啟彬.  四川省情. 2006(12)
[5]四川的能源問題與可持續(xù)發(fā)展[J]. 羅強,王成善.  資源開發(fā)與市場. 1998(06)



本文編號：3581710