基于LSTM的天然气用气量智能预测方法

用户侧用气量的准确预测是天然气生产及管网运行调度的前提。为弥补现有预测方法未考虑数据本身误差对预测结果的影响,本文提出了一种基于历史数据的天然气用气量智能预测方法。该方法通过数据清洗和异常值筛选对原始数据进行预处理,降低原始数据误差对预测结果的影响;通过三次样条插值解决用气量数据丢失和用气量非等时间间隔的问题,采用小波降噪降低原始数据中的噪声;最后,通过实测数据构建了居民用气和工业用气两种类型的数据集,并通过构建的LSTM网络预测用气量。结果表明,该方法可以有效地预测天然气的用气量,与未处理的数据相比,预测误差分别降低了19.1%和27.9%。