基于SVM-GA模型的城市天然气长期负荷预测

• 作者: 刘培胜 文江波 李秉繁 潘振 董明亮
• 来源期刊: 辽宁石油化工大学学报
• 学科: 工学
• 关键词: 天然气长期负荷 SVM BP神经网络 遗传算法 交叉验证法 预测 精度
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 油气储运
• 页码范围: 31-36
• 页数: 6页
• 分类号: TE01
• 字数: 4011字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6952.2017.02.007

摘要

天然气长期负荷预测能够解决城市燃气供需不平衡的问题,为城市燃气公司的管理运行提供帮助.为了提高天然气长期负荷的预测精度,提出了基于SVM-GA(Support Vector Machines-Genetic Algorithm)的天然气长期负荷预测模型.分析确定影响天然气用气量的相关因素,应用遗传算法和交叉验证方法分别对支持向量机模型的惩罚因子c及核函数参数g进行优化,以期提高支持向量机模型的预测精度,将优化后的参数输入支持向量机模型中,进行天然气长期负荷预测.以某省实际的样本数据为例,将SVM-GA模型的预测结果与SVM和交叉验证法结合模型及BP(Back Propagation)神经网络模型的预测结果进行比较分析.结果表明, SVM-GA预测模型分别比SVM和交叉验证法结合预测模型和BP神经网络模型在衡量预测精度的相对均方误差、归一化均方误差、归一化绝对平方误差、归一化均方根误差、最大绝对误差五个指标分别高0.58%、3.98%、2.99%、4.58%、8.64%和6.13%、26.28%、19.71%、21.09%、31.48%.因此支持向量机与遗传算法相结合的模型能够较准确地预测天然气长期负荷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘振	辽宁石油化工大学石油天然气工程学院	66	308	10.0	14.0
2	刘培胜	辽宁石油化工大学石油天然气工程学院	14	54	5.0	6.0
3	李秉繁	辽宁石油化工大学石油天然气工程学院	8	24	3.0	4.0
4	文江波	辽宁石油化工大学石油天然气工程学院	3	7	2.0	2.0
5	董明亮	辽宁石油化工大学石油天然气工程学院	1	4	1.0	1.0