期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LSTM-BPNN混合模型的天然气负荷预测研究
被引量:
3
1
作者
周凯
吕海舟
+1 位作者
马鹏岳
吴昀
《城市燃气》
2022年第7期6-11,共6页
准确的天然气负荷预测对燃气公司的生产运营、调度规划和安全供气至关重要.传统的天然气预测模型往往无法充分利用输入特征之间的时序相关性,这限制了它们的预测精度.因此本文提出了一种基于长短期记忆神经网络(LSTM)和反向传播神经网络...
准确的天然气负荷预测对燃气公司的生产运营、调度规划和安全供气至关重要.传统的天然气预测模型往往无法充分利用输入特征之间的时序相关性,这限制了它们的预测精度.因此本文提出了一种基于长短期记忆神经网络(LSTM)和反向传播神经网络(BPNN)的混合模型用于天然气负荷预测,其中LSTM用于对输入特征进行重编码,BPNN用于学习重编码特征和用气量之间的映射函数.该方法充分利用了 LSTM的时序特征提取能力和BPNN的拟合能力,旨在对用气量进行更准确的预测.本文采用浙江某天然气门站1年用气数据对该方法的性能进行了验证.结果表明,与极端梯度提升树、BPNN和LSTM相比,该方法具有更高的预测精度.
展开更多
关键词
天然气负荷预测
长短期记忆神经网络
反向传播神经网络
混合模型
下载PDF
职称材料
题名
基于LSTM-BPNN混合模型的天然气负荷预测研究
被引量:
3
1
作者
周凯
吕海舟
马鹏岳
吴昀
机构
浙江能源天然气集团有限公司
浙江大学制冷与低温研究所
出处
《城市燃气》
2022年第7期6-11,共6页
基金
国家自然科学基金(52161135202)。
文摘
准确的天然气负荷预测对燃气公司的生产运营、调度规划和安全供气至关重要.传统的天然气预测模型往往无法充分利用输入特征之间的时序相关性,这限制了它们的预测精度.因此本文提出了一种基于长短期记忆神经网络(LSTM)和反向传播神经网络(BPNN)的混合模型用于天然气负荷预测,其中LSTM用于对输入特征进行重编码,BPNN用于学习重编码特征和用气量之间的映射函数.该方法充分利用了 LSTM的时序特征提取能力和BPNN的拟合能力,旨在对用气量进行更准确的预测.本文采用浙江某天然气门站1年用气数据对该方法的性能进行了验证.结果表明,与极端梯度提升树、BPNN和LSTM相比,该方法具有更高的预测精度.
关键词
天然气负荷预测
长短期记忆神经网络
反向传播神经网络
混合模型
分类号
TU996 [建筑科学—供热、供燃气、通风及空调工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LSTM-BPNN混合模型的天然气负荷预测研究
周凯
吕海舟
马鹏岳
吴昀
《城市燃气》
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部