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
6
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XGB-LSTM模型的燃气日负荷预测
1
作者
李泽明
朱大令
《城市燃气》
2023年第11期22-27,共6页
燃气日负荷预测是优化气源采购、调节供需平衡、提升燃气企业经营效率的重要手段。燃气日负荷受多种因素共同影响,具有时序特征和非线性特征。本文提出一种融合XGBoost和LSTM模型的燃气日负荷预测方法XGB-LSTM。该方法通过XGBoost的特...
燃气日负荷预测是优化气源采购、调节供需平衡、提升燃气企业经营效率的重要手段。燃气日负荷受多种因素共同影响,具有时序特征和非线性特征。本文提出一种融合XGBoost和LSTM模型的燃气日负荷预测方法XGB-LSTM。该方法通过XGBoost的特征选择方法,对燃气日负荷影响因素进行特征提取和排序,去除不相关特征,降低模型复杂度;随后利用LSTM网络进行预测,以提高预测精度。以华东W市日负荷数据进行分析,实验结果表明,与其他深度学习方法相比,XGB-LSTM模型提高了预测精度,同时减小了模型的复杂度,获得了更好的预测效果。
展开更多
关键词
燃气日负荷预测
深度学习
XGBoost
LSTM
下载PDF
职称材料
基于PCA-LSTM的城市燃气日负荷预测
2
作者
孙军民
张文涛
+1 位作者
刘超
于铭多
《城市燃气》
2023年第2期12-19,共8页
天然气是一种优质的低碳能源,燃气负荷预测可为燃气规划及调配提供重要依据。为寻求更精确的负荷预测方法,提出一种基于PCA-LSTM的燃气负荷预测模型,通过主成分分析对燃气日负荷影响因素特征提取,随后采用LSTM网络进行预测。并且由于不...
天然气是一种优质的低碳能源,燃气负荷预测可为燃气规划及调配提供重要依据。为寻求更精确的负荷预测方法,提出一种基于PCA-LSTM的燃气负荷预测模型,通过主成分分析对燃气日负荷影响因素特征提取,随后采用LSTM网络进行预测。并且由于不同时期的负荷具有不同的特点,将全部数据分为供暖季、过渡季及非供暖季3个时期分别进行预测,并与基于全年数据的预测模型进行对比。实验结果表明,与其他预测模型相比,基于数据分组的情况下,采用PCA-LSTM模型可以得到更好的预测效果,为城市燃气日负荷预测提供了一种更为有效的预测方法。
展开更多
关键词
燃气日负荷预测
数据分组
主成分分析
长短期记忆神经网络
下载PDF
职称材料
基于GRA-ABC-BPNN模型的城市燃气日负荷预测
被引量:
3
3
作者
肖荣鸽
刘博
+1 位作者
王勤学
林海威
《油气储运》
CAS
北大核心
2022年第8期987-994,共8页
城市燃气负荷预测对于合理高效地调配燃气资源、解决城市燃气用户用气问题具有重要意义。通过灰色关联分析法(Grey Relation Analysis,GRA)对所确定的11个影响燃气日负荷的因素进行分析,依据关联度大小进行筛选,逐个剔除关联度较低的影...
城市燃气负荷预测对于合理高效地调配燃气资源、解决城市燃气用户用气问题具有重要意义。通过灰色关联分析法(Grey Relation Analysis,GRA)对所确定的11个影响燃气日负荷的因素进行分析,依据关联度大小进行筛选,逐个剔除关联度较低的影响因素,将剩余关联度较高的影响因素作为BP神经网络(Back Propagation Neural Network,BPNN)的输入;采用人工蜂群(Artificial Bee Colony,ABC)算法优化BPNN权值和阈值;搭建GRA-ABC-BPNN预测模型预测城市燃气日负荷,并对其准确性和有效性进行验证。结果显示:GRA-ABC-BPNN模型预测的城市燃气日负荷的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)值为0.5528%,而遗传算法优化BPNN(Genetic Algorithm-BPNN,GA-BPNN)模型及ABC-BPNN模型的MAPE值分别为1.4913%、0.6369%,证明了GRA-ABC-BPNN预测模型是一种有效且精度可观的城市燃气日负荷预测方法,为城市燃气日负荷预测提供了新的途径。
展开更多
关键词
燃气日负荷预测
BP神经网络
人工蜂群算法
灰色关联分析
遗传算法
原文传递
鞍山市燃气日负荷预测的研究
被引量:
4
4
作者
梁金凤
陈飞
+1 位作者
马庆元
郭继平
《煤气与热力》
2006年第10期16-19,共4页
结合鞍山市燃气日负荷预测,论述了历史燃气负荷数据的处理方法。运用GCAQBP神经网络对鞍山市2002年燃气日负荷进行了预测,预测的平均相对误差为4.1%。研究表明,这种预测方法可行。
关键词
燃气日负荷预测
数据处理
GCAQBP神经网络
下载PDF
职称材料
城镇燃气日负荷预测模型比较研究
被引量:
3
5
作者
汤燕刚
房艳立
+2 位作者
陈刘洋
黄小美
罗敏
《煤气与热力》
2022年第4期V0007-V0011,共5页
依据A、C市2015-2017年以及B市2016-2018年历史日负荷数据,针对不同用气结构城市不同季节的燃气日负荷进行预测,比较ARIMA模型、BP模型、RNN模型、LSTM网络模型的预测精度。结果表明,不同模型不同用气结构城市的预测精度不同,LSTM网络...
依据A、C市2015-2017年以及B市2016-2018年历史日负荷数据,针对不同用气结构城市不同季节的燃气日负荷进行预测,比较ARIMA模型、BP模型、RNN模型、LSTM网络模型的预测精度。结果表明,不同模型不同用气结构城市的预测精度不同,LSTM网络模型的适用性和预测精度在各城市均比较高。
展开更多
关键词
燃气日负荷预测
用气结构
深度学习
长短期记忆网络
下载PDF
职称材料
基于SVR的燃气日负荷预测
被引量:
1
6
作者
陈效吉
朱喜楠
张佳妮
《煤气与热力》
2021年第5期I0004-I0007,I0044,共5页
提出燃气日负荷预测模型选取和变量选取的原则,给出数据处理的方法。以西南某市为例,依据该地天然气公司实际数据,给出基于支持向量回归(SVR)的燃气日负荷预测模型的创建流程,进行日负荷预测,将日负荷预测值与实际值进行比较,分析相对...
提出燃气日负荷预测模型选取和变量选取的原则,给出数据处理的方法。以西南某市为例,依据该地天然气公司实际数据,给出基于支持向量回归(SVR)的燃气日负荷预测模型的创建流程,进行日负荷预测,将日负荷预测值与实际值进行比较,分析相对误差产生的原因。探讨运用SVR模型建设信息化系统的相关问题。
展开更多
关键词
燃气日负荷预测
支持向量回归
变量选取
相对误差
核函数
下载PDF
职称材料
题名
基于XGB-LSTM模型的燃气日负荷预测
1
作者
李泽明
朱大令
机构
无锡华润燃气有限公司
出处
《城市燃气》
2023年第11期22-27,共6页
文摘
燃气日负荷预测是优化气源采购、调节供需平衡、提升燃气企业经营效率的重要手段。燃气日负荷受多种因素共同影响,具有时序特征和非线性特征。本文提出一种融合XGBoost和LSTM模型的燃气日负荷预测方法XGB-LSTM。该方法通过XGBoost的特征选择方法,对燃气日负荷影响因素进行特征提取和排序,去除不相关特征,降低模型复杂度;随后利用LSTM网络进行预测,以提高预测精度。以华东W市日负荷数据进行分析,实验结果表明,与其他深度学习方法相比,XGB-LSTM模型提高了预测精度,同时减小了模型的复杂度,获得了更好的预测效果。
关键词
燃气日负荷预测
深度学习
XGBoost
LSTM
分类号
TU996.3 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
基于PCA-LSTM的城市燃气日负荷预测
2
作者
孙军民
张文涛
刘超
于铭多
机构
涿州滨海燃气有限公司
北京建筑大学环境与能源应用工程学院
出处
《城市燃气》
2023年第2期12-19,共8页
文摘
天然气是一种优质的低碳能源,燃气负荷预测可为燃气规划及调配提供重要依据。为寻求更精确的负荷预测方法,提出一种基于PCA-LSTM的燃气负荷预测模型,通过主成分分析对燃气日负荷影响因素特征提取,随后采用LSTM网络进行预测。并且由于不同时期的负荷具有不同的特点,将全部数据分为供暖季、过渡季及非供暖季3个时期分别进行预测,并与基于全年数据的预测模型进行对比。实验结果表明,与其他预测模型相比,基于数据分组的情况下,采用PCA-LSTM模型可以得到更好的预测效果,为城市燃气日负荷预测提供了一种更为有效的预测方法。
关键词
燃气日负荷预测
数据分组
主成分分析
长短期记忆神经网络
分类号
TU996.3 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
基于GRA-ABC-BPNN模型的城市燃气日负荷预测
被引量:
3
3
作者
肖荣鸽
刘博
王勤学
林海威
机构
西安石油大学石油工程学院·陕西省油气田特种增产技术重点实验室
西安秦华天然气有限公司
出处
《油气储运》
CAS
北大核心
2022年第8期987-994,共8页
基金
陕西省科技厅重点研发计划项目“城镇复杂用户燃气负荷预测与调峰方案优化研究”,2021GY-139。
文摘
城市燃气负荷预测对于合理高效地调配燃气资源、解决城市燃气用户用气问题具有重要意义。通过灰色关联分析法(Grey Relation Analysis,GRA)对所确定的11个影响燃气日负荷的因素进行分析,依据关联度大小进行筛选,逐个剔除关联度较低的影响因素,将剩余关联度较高的影响因素作为BP神经网络(Back Propagation Neural Network,BPNN)的输入;采用人工蜂群(Artificial Bee Colony,ABC)算法优化BPNN权值和阈值;搭建GRA-ABC-BPNN预测模型预测城市燃气日负荷,并对其准确性和有效性进行验证。结果显示:GRA-ABC-BPNN模型预测的城市燃气日负荷的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)值为0.5528%,而遗传算法优化BPNN(Genetic Algorithm-BPNN,GA-BPNN)模型及ABC-BPNN模型的MAPE值分别为1.4913%、0.6369%,证明了GRA-ABC-BPNN预测模型是一种有效且精度可观的城市燃气日负荷预测方法,为城市燃气日负荷预测提供了新的途径。
关键词
燃气日负荷预测
BP神经网络
人工蜂群算法
灰色关联分析
遗传算法
Keywords
daily gas load forecasting
Back Propagation Neural Network(BPNN)
artificial bee colony
grey relation analysis
genetic algorithm
分类号
TE832 [石油与天然气工程—油气储运工程]
原文传递
题名
鞍山市燃气日负荷预测的研究
被引量:
4
4
作者
梁金凤
陈飞
马庆元
郭继平
机构
鞍山科技大学土木交通工程学院
河北华新燃气工程技术开发有限公司
出处
《煤气与热力》
2006年第10期16-19,共4页
文摘
结合鞍山市燃气日负荷预测,论述了历史燃气负荷数据的处理方法。运用GCAQBP神经网络对鞍山市2002年燃气日负荷进行了预测,预测的平均相对误差为4.1%。研究表明,这种预测方法可行。
关键词
燃气日负荷预测
数据处理
GCAQBP神经网络
Keywords
forecast of daily gas load
data processing
GCAQBP neural network
分类号
TU996 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
城镇燃气日负荷预测模型比较研究
被引量:
3
5
作者
汤燕刚
房艳立
陈刘洋
黄小美
罗敏
机构
温州市燃气有限公司
重庆大学土木工程学院清洁能源研究所
成都华润燃气设计有限公司
出处
《煤气与热力》
2022年第4期V0007-V0011,共5页
文摘
依据A、C市2015-2017年以及B市2016-2018年历史日负荷数据,针对不同用气结构城市不同季节的燃气日负荷进行预测,比较ARIMA模型、BP模型、RNN模型、LSTM网络模型的预测精度。结果表明,不同模型不同用气结构城市的预测精度不同,LSTM网络模型的适用性和预测精度在各城市均比较高。
关键词
燃气日负荷预测
用气结构
深度学习
长短期记忆网络
Keywords
gas daily load forecast
gas consumption structure
deep learning
long-and short-term memory network
分类号
TU996.3 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
基于SVR的燃气日负荷预测
被引量:
1
6
作者
陈效吉
朱喜楠
张佳妮
机构
上海航天能源股份有限公司
航天智慧能源研究院
出处
《煤气与热力》
2021年第5期I0004-I0007,I0044,共5页
文摘
提出燃气日负荷预测模型选取和变量选取的原则,给出数据处理的方法。以西南某市为例,依据该地天然气公司实际数据,给出基于支持向量回归(SVR)的燃气日负荷预测模型的创建流程,进行日负荷预测,将日负荷预测值与实际值进行比较,分析相对误差产生的原因。探讨运用SVR模型建设信息化系统的相关问题。
关键词
燃气日负荷预测
支持向量回归
变量选取
相对误差
核函数
Keywords
daily gas load forecast
support vector regression(SVR)
variable selection
relative error
kernel function
分类号
TU996.3 [建筑科学—供热、供燃气、通风及空调工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于XGB-LSTM模型的燃气日负荷预测
李泽明
朱大令
《城市燃气》
2023
0
下载PDF
职称材料
2
基于PCA-LSTM的城市燃气日负荷预测
孙军民
张文涛
刘超
于铭多
《城市燃气》
2023
0
下载PDF
职称材料
3
基于GRA-ABC-BPNN模型的城市燃气日负荷预测
肖荣鸽
刘博
王勤学
林海威
《油气储运》
CAS
北大核心
2022
3
原文传递
4
鞍山市燃气日负荷预测的研究
梁金凤
陈飞
马庆元
郭继平
《煤气与热力》
2006
4
下载PDF
职称材料
5
城镇燃气日负荷预测模型比较研究
汤燕刚
房艳立
陈刘洋
黄小美
罗敏
《煤气与热力》
2022
3
下载PDF
职称材料
6
基于SVR的燃气日负荷预测
陈效吉
朱喜楠
张佳妮
《煤气与热力》
2021
1
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