基于灰色神经网络模型的重庆能源需求预测①

基于灰色神经网络模型的重庆能源需求预测①

ID:34039247

大小:464.57 KB

页数:7页

时间:2019-03-03

基于灰色神经网络模型的重庆能源需求预测①_第1页
基于灰色神经网络模型的重庆能源需求预测①_第2页
基于灰色神经网络模型的重庆能源需求预测①_第3页
基于灰色神经网络模型的重庆能源需求预测①_第4页
基于灰色神经网络模型的重庆能源需求预测①_第5页
资源描述:

《基于灰色神经网络模型的重庆能源需求预测①》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第38卷第6期西南大学学报(自然科学版)2016年6月Vol.38No.6JournalofSouthwestUniversity(NaturalScienceEdition)Jun.2016DOI:10.13718/j.cnki.xdzk.2016.06.022基于灰色神经网络模型的重庆能源需求预测①李剑波1,2,鲜学福1,21.重庆大学煤矿灾害动力学与控制国家重点实验室,重庆400044;2.重庆大学资源及环境科学学院,重庆400044摘要:能源是支撑人类生存、经济发展和现代文明不可缺少的物质基础,随着社会经济的发展,对于能源的需求也在不

2、断增长,因此准确地预测能源消费需求对于制定能源规划具有重要的指导意义.基于灰色神经网络预测模型,以重庆市历年能源统计数据为样本,根据能源消耗总量与能源消耗增长率、万元GDP能耗、万元财政收入能耗、居民收入能耗、能源消费弹性等因素之间的相关性,对重庆“十三五”期间能源的消费需求进行了预测,结果表明:运用灰色神经网络模型能够较为科学地预测重庆未来能源的实际需求趋势,可为政府相关部门的决策提供参考.关键词:能源消费;规划;灰色神经网络;需求预测中图分类号:TD9文献标志码:A文章编号:16739868(2016)06013606能源是现代社会发展的

3、基石,是支撑现代社会高度文明的物质基础.在较长一段时期,煤炭占重庆能源消耗的比重较大,给环境造成巨大压力,随着全球低碳经济的发展和环境保护的需要,对能源结构进行优化调整迫在眉睫.目前重庆已成为全国页岩气勘探开发的主战场.因此,预测重庆未来一段时间的能源需求,对于制定重庆市页岩气等能源战略发展规划十分必要.当前,能源需求预测方法主要有灰色系统GM(1,1)模型以及BP神经网络模型.灰色模型的优点在于不需要大量样本,计算工作量小,可用[1-8]于短期和中长期预测,但其预测精度随时间增加而降低.GM(1,1)模型是灰色系统理论中应用最为广泛的一种灰

4、色动态预测模型,特别适合重庆市直辖以来时间序列数据不长的特点,但该模型对历史数据有很强的依赖性,且没有考虑各个因数之间的联系,在进行中长期数据预测时误差偏大.BP神经网络非线性[9-15]映射能力较强,能以任意精度逼近非线性函数,但该方法同时也存在对样本变量的时间序列数据要求[16-17]较高,需要的连续时间序列数据较多,且在连续区间预测能力有限等问题.本文在现有能源统计数据支持下,结合2种方法各自的优势,采用灰色GM(1,1)模型和BP神经网络模型组合的方法对重庆市能源[18]需求进行预测,既可弥补上述2种方法的不足,又能较精确地获得重庆能

5、源未来的需求量.1灰色神经网络系统预测模型设计1.1GM模型的白化方程GM模型首先是对原始数据序列做一次累加,累加后数据呈现出一定的规律性,然后用典型曲线对该(0)曲线进行拟合.设时间数列为x,则(0)(0)(0)(0)(0)x=(xt

6、t=1,2,…,n)=(x1,x2,…,xn)(1)(0)(1)(1)(0)对x作一次累加,得到新的数列x,新数列x的第t项为原始数据序列x前t项之和,即①收稿日期:20160306基金项目:国家自然科学基金项目(51204218);重庆市院士基金项目(CSTC2013jcyjys90001).作者简介:李剑

7、波(1973),男,四川大竹人,博士研究生,主要从事能源规划、矿产资源综合利用等方面的研究工作.通信作者:鲜学福,博士,教授,中国工程院院士.2西南大学学报(自然科学版)http://xbbjb.swu.edu.cn第38卷12n(1)(1)(0)(0)(0)(0)x=(xt

8、t=1,2,…,n)=(x1,∑xt,∑xt,…,∑xt)(2)t=1t=1t=1(1)根据数列x,建立白化微分方程,即(t)dx(1)+ax=u(3)dx该方程的解为*(1)(0)-a(t-1)xt=(x1-u/a)e+u/a(4)*(1)(1)*(1)(0)*(0)

9、,即x为x序列的估计值,对x做一次累减得到x的预测值xtttt*(0)*(1)*(1)xt=xt-xt-1t=2,3,…(5)1.2灰色神经网络模型的建立灰色问题是对灰色不确定系统的行为特征值发展变化进行预测的问题.该不确定系统特征值的原始数(0)(0)列x(t=1,2,…,n),经过一次累加生成后得到数列x呈现指数增长规律,因而可用一个连续函数或tt(0)微分方程进行数据拟合和预测.为方便起见,对符号进行重新定义,原始数列x表示为x(t),一次累加生t(1)*(1)成后得到的数列x表示为y(t),预测结果x表示为z(t).则含有n个参数的灰

10、色神经网络模型,其微tt分方程表达式为dy1+ay1=b1y2+b2y3+…+bn-1yn(6)dt式中,y2,y3,…,yn为系统输入参数;y1为系统输出参数;a

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。