典型文献
基于混合BP神经网络的原油管道电耗预测研究
文献摘要：
原油管道电耗的准确预测能够用于控制原油管道耗能水平,充分挖掘原油管道输送系统的节能潜力.实际采集到的原油管道运行数据具有波动范围大的特点,且存在严重的噪声干扰和信息冗余,对精确预测管道电耗造成不良影响.为解决上述问题,提出一种基于混合神经网络的电耗预测模型.利用自适应噪声的完备集成经验模态分解,对原油管道日运行数据进行分解;利用主成分分析对分解后数据做降维处理;利用改进粒子群算法调节神经网络结构参数;使用该模型预测某原油管道电耗,并与常见的几种预测模型展开对比.结果表明,分解算法能够提高模型预测精度;该混合神经网络模型预测精度最高,其测试集的平均绝对误差为5.394％,较使用分解算法前降低39.200％.
文献关键词：
原油管道;电耗预测;人工神经网络;改进粒子群算法
中图分类号：
作者姓名：
李雨;侯磊;徐磊;白小众;刘金海;孙欣;谷文渊
作者机构：
中国石油大学(北京)石油工程教育部重点实验室,北京 102200;国家石油天然气管网集团有限公司 油气调度中心,北京 102200;国家管网集团北方管道有限责任公司 锦州输油气分公司,辽宁 锦州 121000
文献出处：
引用格式：
[1]李雨;侯磊;徐磊;白小众;刘金海;孙欣;谷文渊-.基于混合BP神经网络的原油管道电耗预测研究)[J].石油化工高等学校学报,2022(02):68-73
A类：
B类：
电耗预测,预测研究,准确预测,够用,原油管道输送,管道输送系统,节能潜力,运行数据,波动范围,噪声干扰,信息冗余,精确预测,混合神经网络,自适应噪声,集成经验模态分解,降维处理,改进粒子群算法,神经网络结构,测试集,平均绝对误差,人工神经网络
AB值：
0.224417
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
