典型文献
基于GRA-ABC-BPNN模型的城市燃气日负荷预测
文献摘要：
城市燃气负荷预测对于合理高效地调配燃气资源、解决城市燃气用户用气问题具有重要意义.通过灰色关联分析法(Grey Relation Analysis,GRA)对所确定的11个影响燃气日负荷的因素进行分析,依据关联度大小进行筛选,逐个剔除关联度较低的影响因素,将剩余关联度较高的影响因素作为BP神经网络(Back Propagation Neural Network,BPNN)的输入;采用人工蜂群(Artificial Bee Colony,ABC)算法优化BPNN权值和阈值;搭建GRA-ABC-BPNN预测模型预测城市燃气日负荷,并对其准确性和有效性进行验证.结果显示:GRA-ABC-BPNN模型预测的城市燃气日负荷的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)值为0.552 8％,而遗传算法优化 BPNN(Genetic Algorithm-BPNN,GA-BPNN)模型及 ABC-BPNN 模型的 MAPE 值分别为1.491 3％、0.636 9％,证明了 GRA-ABC-BPNN预测模型是一种有效且精度可观的城市燃气日负荷预测方法,为城市燃气日负荷预测提供了新的途径.
文献关键词：
燃气日负荷预测;BP神经网络;人工蜂群算法;灰色关联分析;遗传算法
中图分类号：
作者姓名：
肖荣鸽;刘博;王勤学;林海威
作者机构：
西安石油大学石油工程学院·陕西省油气田特种增产技术重点实验室;西安秦华天然气有限公司
文献出处：
引用格式：
[1]肖荣鸽;刘博;王勤学;林海威-.基于GRA-ABC-BPNN模型的城市燃气日负荷预测)[J].油气储运,2022(08):987-994
A类：
燃气日负荷,燃气日负荷预测
B类：
GRA,ABC,BPNN,城市燃气,燃气负荷预测,户用,灰色关联分析法,Grey,Relation,Analysis,逐个,Back,Propagation,Neural,Network,Artificial,Bee,Colony,权值,平均绝对百分比误差,Mean,Absolute,Percentage,Error,MAPE,遗传算法优化,Genetic,Algorithm,GA,负荷预测方法,人工蜂群算法
AB值：
0.266495
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。
