基于误差补偿的分数阶灰色模型对四川省煤炭类能源消费的预测分析

发布时间：2022-01-11 00:27

　　为了对能源需求进行更精确的预测,基于分数阶灰色模型和反向传播神经网络,建立基于误差补偿的分数阶灰色模型。随后利用河北省历年电力消费数据检验模型的精度,并将其与传统分数阶灰色模型作对比。最后对四川省煤炭类能源需求量进行了预测分析。结果表明,基于误差补偿的分数阶灰色模型具有更高的精确度与有效性,反向传播神经网络对分数阶灰色模型的误差补偿作用明显,该模型有效地模拟了原始数据的变化趋势,并预测出煤炭类能源的消费量将呈下降后趋于平稳的趋势。 

【文章来源】：机械设计与制造工程. 2019,48(05)

【文章页数】：5 页

【部分图文】：

图2两种模型相对误差变化趋势图表2四川省煤炭分数阶灰色模型

．9012146．7700．00201011520．4011499．1300．18－1．2011499．6300．18201111454．3411562．200－0．94－5．3811459．780－0．05201211872．2011536．3302．834．0911857．6000．12201311658．6011448．6801．800．8911533．6101．07201411045．4010965．6400．72－2．9311066．830－0．19MAPE1．990．1720159288．9010801．450－16．28－6．099675．410－4．1620168869．5010621．840－19．76－7．879045．000－1．98MAPE18．023．07其中，基于误差补偿的分数阶灰色模型与分数阶灰色模型的相对误差变化比较图如图3所示。图3两种模型相对误差变化比较图从图中可以看出，基于误差补偿的分数阶灰色模型相对误差变化相对于分数阶灰色模型更加收敛，BP神经网络对分数阶灰色模型的误差补偿作用明显，说明此模型对四川省煤炭类能源消费量的预测具有较高的精度。基于误差补偿的分数阶灰色模型预测未来5年数据(表3)，该模型对原始数据的拟合图如图4所示。由图可知，使用基于误差补偿的分数阶灰色模型对四川省煤炭类能源消费量进行模拟预测，具有更高的精确度与可信度。根据预测结果显示，2017～2021年四川省煤炭类能源的消费量呈持续下降并逐渐平稳的趋势。可以看出，在政府的政策支持下，煤炭类能源作为·19·2019年第5期胡宇:基于误差补偿的分数阶灰色模型对四川省煤炭类能源消费的预测分析

【参考文献】：
期刊论文
[1]基于分数阶累加的离散灰色模型[J]. 吴利丰,刘思峰,姚立根.  系统工程理论与实践. 2014(07)
[2]基于灰色神经网络组合模型的电力消费量预测——以河北省为例[J]. 解晗.  保定学院学报. 2014(02)
[3]基于粒子群改进BP神经网络的组合预测模型及其应用[J]. 崔吉峰,乞建勋,杨尚东.  中南大学学报(自然科学版). 2009(01)
[4]四川能源生产、消费问题研究[J]. 余启彬.  四川省情. 2006(12)
[5]四川的能源问题与可持续发展[J]. 罗强,王成善.  资源开发与市场. 1998(06)



本文编号：3581710