文档名：GM1,1MEABP组合模型电能消耗预测及应用
摘要：为解决传统单一模型泛化能力弱、预测精度低等问题,提出一种GM(1,1)灰色模型和MEA-BP神经网络的组合预测模型,解决了GM(1,1)预测模型对能耗的预测受时间因素影响随机波动大及预测精度较低等问题,融合MEA-BP神经网络并行计算、强容错力以及分布式信息存储等优势,减少了因数据波动而影响预测结果精度的情况,解决了误差无法反馈调整等问题.选取1985-2020年全国电能消耗总量为建模数据,与线性回归、三指数平滑、GM(1,1)、BP神经网络、MEA-BP神经网络等模型的预测结果进行分析比较.结果表明:GM(1,1)-MEA-BP组合模型相较于其他模型,预测精度最高,误差值最小,MAPE值达到0.0065,RMSE值达到977.9961.通过实例证明了GM(1,1)-MEA-BP组合模型对电能消耗量预测具备较高的精度,可为国家在能源方面宏观智能调度提供依据.
作者：钞寅康 龚立雄 黄霄 陈佳霖Author：CHAOYinkang GONGLixiong HUANGXiao CHENJialin
作者单位：湖北工业大学机械工程学院,武汉430068
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(13)
分类号：TP3
关键词：灰色模型 MEA-BP神经网络 电能消耗预测
Keywords：greymodel MEA-BPneuralnetwork powerconsumptionprediction
机标分类号：
在线出版日期：2023年8月22日
基金项目：国家自然科学基金GM(1,1)-MEA-BP组合模型电能消耗预测及应用[
期刊论文] 重庆理工大学学报--2023, 37(13)钞寅康 龚立雄 黄霄 陈佳霖为解决传统单一模型泛化能力弱、预测精度低等问题,提出一种GM(1,1)灰色模型和MEA-BP神经网络的组合预测模型,解决了GM(1,1)预测模型对能耗的预测受时间因素影响随机波动大及预测精度较低等问题,融合MEA-BP神经网络并行计...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
GM(1,1)-MEA-BP组合模型电能消耗预测及应用 Power consumption prediction and application of GM(1,1)-MEA-BP combined model
GM(1,1)-MEA-BP组合模型电能消耗预测及应用.pdf
- 文件大小:
- 1.65 MB
- 下载次数:
- 60
-
高速下载
|
|
