基于BPNN-EMD-LSTM组合模型的城市短期燃气负荷预测

• 作者: 何李凯 陈冬林 陈川
• 来源期刊: 安全与环境工程
• 学科: 工学
• 关键词: 短期燃气负荷 组合预测模型 BP神经网络 经验模态分解 长短期记忆神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 安全工程
• 页码范围: 149-154,169
• 页数: 7页
• 分类号: X937|TE89
• 字数: 6201字
• 语种: 中文
• DOI: 10.13578/j.cnki.issn.1671-1556.2019.01.023

摘要

城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测.以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络的组合预测模型,对该市短期燃气日负荷进行了预测.首先通过BPNN模型学习温度、日期属性影响下燃气负荷的主要特征,增长趋势等次要特征则体现在BPNN模型预测产生的残差中;然后采用EMD算法分解残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律,将各IMF分量的预测值相加得到残差预测值;最后将两部分预测值代数相加得到最终的预测结果.实证结果表明:与单一的LSTM模型和BPNN LSTM模型相比,该组合预测模型半月步长的平均绝对误差为3.4％,预测精度更高,是一种更为有效的城市短期燃气负荷预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈冬林	武汉理工大学电子商务与智能服务研究中心	69	599	12.0	21.0
2	陈川	武汉理工大学电子商务与智能服务研究中心	12	15	2.0	3.0
3	何李凯	武汉理工大学电子商务与智能服务研究中心	2	1	1.0	1.0