基于Markov-GNNM的煤炭需求量预测模型研究

发布时间：2021-07-30 11:54

　　煤炭资源在我国能源消费总量中仍然占据主导地位,准确预测煤炭的需求量对我国经济发展和产业结构升级有着重大意义,针对传统煤炭需求量预测单一预测方法的缺陷,建立了组合灰色神经网络模型,为进一步提高模型精度,选用马尔科夫模型缩小预测残差范围来修正组合模型,进而建立了Markov—GNNM组合模型,旨在为准确预测煤炭需求量提供模型依据。选取2000—2018年我国煤炭需求量数据进行实证分析,预测结果表明该模型预测精度高,适用于煤炭需求量预测。 

【文章来源】：煤炭经济研究. 2020,40(06)

【文章页数】：5 页

【部分图文】：

灰色神经网络预测流程

由表3可知，经马尔科夫模型修正后的组合模型平均相对误差为0.019 2，相比对于组合模型误差又大幅降低，因此修正后的组合模型精度更高，与实际值更加接近，更加适合煤炭需求量的预测。3 结论

【参考文献】：
期刊论文
[1]基于组合核函数SVM的中小流域流量预测研究[J]. 刘昕玥,姚建国,万定生.  计算机仿真. 2019(11)
[2]基于改进BP神经网络的短期电力负荷预测方法研究[J]. 王克杰,张瑞.  电测与仪表. 2019(24)
[3]改进的BP神经网络煤矿瓦斯涌出量预测模型[J]. 马晟翔,李希建.  矿业研究与开发. 2019(10)
[4]支撑式冲击破岩掘进机支护机构疲劳寿命预测方法研究[J]. 宋宇宁,徐晓辰.  矿业研究与开发. 2019(10)
[5]基于支持向量机的大连港主要货种吞吐量预测研究[J]. 宋长利,靳廉洁,关峰,林木西.  大连海洋大学学报. 2019(05)
[6]基于时空特征的地铁客流预测[J]. 张和杰,马维华.  计算机科学. 2019(07)
[7]基于SVM的共享单车需求预测[J]. 宋鹏,黄同愿,刘渝桥.  重庆理工大学学报(自然科学). 2019(07)
[8]基于改进灰色GM（1,1）模型的天然气负荷预测[J]. 孙相博,王岳.  辽宁石油化工大学学报. 2019(03)
[9]基于改进卷积神经网络的短时公交客流预测[J]. 陈深进,薛洋.  计算机科学. 2019(05)
[10]基于LEAP模型的中国煤炭需求情景分析[J]. 高俊莲,姜克隽,刘嘉,徐向阳.  中国煤炭. 2017(04)



本文编号：3311356