基于VMD和神经网络的原油产量预测

发布时间：2020-04-11 13:20

【摘要】：原油产量预测系统受环境因素、科技水平因素、国家政策以及其他因素的影响,与国家的经济、军事和进口政策的制定关系匪浅.密切关注我国原油产量,探索其下降的原因,并进行合理预测以规避潜在的不利影响.原油产量数据具有非线性、不平稳的特点,精准预测的难度较大.为了提高预测的精度,这里提出了VMD-BPNN组合模型.在实证分析中,通过变分模态分解(Variational Mode Decomposition,VMD)将我国原油产量月度数据分解为K个分量及残差项,接着对K+1个分量分别使用BP神经网络进行预测,将得到的预测结果加总起来作为VMD-BPNN组合模型的最终预测值.根据三种评价标准,VMD-BPNN组合模型预测的效果比单个BP神经网络和EEMD-BPNN组合模型的好.由于VMD算法需要预先设定好K值,这里根据集合经验模态分解(Ensamble Empirical Mode Decomposition,EEMD)结果中的模态数来确定VMD的K值.
【图文】：

兰州大学硕士研究生学位论文 基于VMD和神经网络的原油产量预测1( ) ( ) ( )n n nr t c t r t . (2-4循环几次，当 ( )nc t 或 ( )nr t 的值小于预先设定的数值或者 ( )nr t 是时间的单调函数. 当二者满足其一，，分解过程结束, 原信号被分为n个分量与 ( )nr t 之和. 但会出现分解不完全、端点效应、“虚假”模态或者某个 IMF 中包含了不同频率的混频现象.2.1.2 集合经验模态分解的算法步骤有了 EMD 的思想, 仍需解决其存在的问题, 由此提出了 EEMD. 通过在原始信号中不断加入高斯白噪声信号, 然后一次次进行 EMD, 再对每次分解出来的本征模态函数进行平均以抵消加入白噪声的影响, 具体步骤如下图所示:

究生学位论文 基于VMD和神经网 -1,01,0()wxbwxbf x, 了一个简单地人工神经网络的拓扑结构例图[31], 包先不知道输入输出间映射关系的情况下, 通过训中的映射关系. 这里对人工神经网络的一些术语进输入层和输出层, 输入层的神经元称为输入神经元经元. 除输出层与输入层外的就是隐藏层, 对应的
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F224;F426.22

【参考文献】

相关期刊论文 前10条

1 耿倪;;基于小波变换和时间序列模型的Brent原油期货价格预测[J];中国商论;2018年05期

2 范秋枫;王涛;张智峰;;量子粒子群智能算法在国际布伦特原油价格预测中的应用[J];模糊系统与数学;2017年04期

3 孟雅蕾;王予;;基于过程神经网络对原油产量预测技术的探讨[J];电脑知识与技术;2017年13期

4 欧阳静;张立彬;潘国兵;徐红伟;陈金鑫;;基于谐波补偿迭代的HHT:暂态电能质量信号分析新方法[J];高技术通讯;2017年01期

5 孙一鸣;吴杨扬;李平;;基于改进双门限法的语音端点检测研究[J];长春理工大学学报(自然科学版);2016年01期

6 和志明;易娟子;;新疆原油产量的灰色组合预测研究[J];石油工业计算机应用;2010年04期

7 姚志刚;;改进的Logistic模型在原油产量预测中的应用[J];油气地质与采收率;2010年03期

8 李智超;赵正文;钟仪华;李建丽;刘道杰;;小波神经网络在油田产量预测中的应用[J];大庆石油地质与开发;2008年06期

9 钟雨师;叶志瑾;陈武;陈光海;;油田原油产量改进的二次指数最优预测方法研究[J];钻采工艺;2008年04期

10 李卓,刘斌,刘铁男;支持向量机在油田产量预测中的应用[J];大庆石油学院学报;2005年05期

相关博士学位论文 前3条

1 卢志宏;基于BP神经网络的荒漠啮齿动物群落对气候变化滞后响应[D];内蒙古农业大学;2016年

2 吕中亮;基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D];重庆大学;2016年

3 张郁山;希尔伯特—黄变换（HHT）与地震动时程的希尔伯特谱[D];中国地震局地球物理研究所;2003年

相关硕士学位论文 前3条

1 张锁峰;基于VMD的旋转机械故障诊断方法研究[D];桂林电子科技大学;2017年

2 赫彬;基于模态分解的MEMS矢量水听器信号去噪及应用[D];中北大学;2017年

3 赵李明;基于遗传算法和BP神经网络的广州市空气质量预测与时空分布研究[D];江西理工大学;2016年

本文编号：2623639