燃气小时负荷的模糊神经网络预测

分析了燃气负荷运行变化规律，研究了负荷模型分类模式，采用改进模糊神经网络进行小时燃气负荷预测。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.     

基于人工神经网络的春节期间燃气负荷预测

研究了春节期间燃气负荷的规律，考虑了天气、温度、传统节假日等因素，采用BP网络和径向基神经网络相结合的方法对春节期间燃气负荷进行预测，效果良好。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

城市燃气短期负荷预测的研究

分析了城市燃气负荷的特点和影响因素,根据指数平滑预测法的原理,建立了城市燃气短期负荷预测线性模型和二次曲线模型。实际预测结果表明,平滑常数为0.3的直线模型具有较高的预测精度。     

神经网络在城市燃气短期负荷预测中的应用

文章简述了神经网络的基本特点,详细介绍了BP网络、RBF网络以及小波神经网络在城市燃气负荷预测领域的研究和应用现状,对三种神经网络进行比较,并分析了神经网络预测法的优缺点。     

城市燃气负荷的灰色预测

根据城市燃气中长期负荷预测的要求和存在的问题,利用灰色理论与灰色预测的原理,提出了动态等维灰数递补城市燃气负荷灰色预测模型,并进行了实际应用。     

城市燃气负荷预测技术应用分析

简述了燃气负荷的预测过程,对城市燃气负荷预测技术的应用实例进行了分析。     

数据规格化在燃气负荷预测的应用

探讨了燃气负荷预测中规格化处理方法,建立了径向基神经网络燃气负荷预测模型。结合实例,对分别采用最大最小、零均值规格化处理的预测结果进行了比较,后者的精度较高。     

市北天然气燃气负荷预测模型探讨

将灰色模型、时间序列等科学理论应用于负荷预测工作之中,结合市北地区天然气预测的实际情况,通过理论推导和方法整合,利用计算机编程进行精确计算,提高日负荷预测准确率.     

基于OIF-Elman神经网络的燃气日负荷预测

与传统的Elman神经网络相比,采用具有输出一输入反馈机制的改进Elman(即OIF-Elman)神经网络对燃气日负荷进行预测,不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本较少时,无论在训练速度上,还是在预测准确度上,OIF-Elman网络明显优于Elman网络.     

燃气负荷预测的经济性评价与风险控制

介绍了燃气供用照付不议合同执行过程中,对负荷预测和气量预订的要求。针对典型的商业合同条款,建立了燃气负荷预测的经济性评价模型,对提高预订气量、利用储气设施等风险控制方法的效果进行了量化分析,提出了降低燃气负荷预测风险的控制策略。     

基于气温变化的冬季城市燃气日负荷预测方法

结合实例分析了日平均气温对冬季城市燃气日负荷影响的规律,得到燃气日负荷的主要影响因素为气温所处温度区间、气温变化的幅度,而与气温所处时间区间和升降趋势无关。提出了基于气温变化的燃气日负荷预测方法——温差系数法,取得了较好的预测效果。