<th id="vc94l"><option id="vc94l"></option></th>
    <tr id="vc94l"></tr>

      <strike id="vc94l"></strike>
      <code id="vc94l"></code>

      1. <th id="vc94l"><video id="vc94l"></video></th>

          1. <strike id="vc94l"></strike>

            網站首頁 期刊信息 投稿系統 期刊訂閱 下載中心 合作單位 聯系我們
            當前位置:網站首頁 > 在線期刊 > 中國礦業最新期刊

            基于改進PSO-BPNN的湖南省化石能源供需形勢研究

            閱讀量(132) 《中國礦業》2021年第11期 免費下載(4)
            作者及單位:
          2. 李湘旗1,蘇 婷2,胡東濱2,文 明1,歐亦蘭3
          3. (1.國網湖南省電力公司經濟研究院,湖南 長沙410004;2.中南大學商學院,湖南 長沙410083;3.長沙商貿旅游職業技術學院,湖南 長沙410116)
          4. 關鍵詞:
          5. 能源供需 / 缺口 / 滑動窗口法 / 粒子群算法 / BP神經網絡
            • 論文摘要
            • |
            • 論文圖表
            • |
            • 參考文獻
            • |
            • 引用格式
            針對湖南省化石能源供需格局新變化,本文基于滑動窗口法建立了PSO-BP神經網絡模型,預測煤炭、原油和天然氣三種化石能源的供需形勢。根據預測結果,改進的PSO-BPNN模型能夠很好地擬合湖南省或其他地區能源供需變化情況,且預測效果優于BPNN、ARIMA和GM(1,1)三種模型。通過對預測結果進行分析,發現雖然三種化石能源的需求增長速度逐漸減弱,但缺口量仍然很大;除無生產能力的原油和天然氣的省內保障率為100%外,煤炭的省內保障率約為80%;隨著天然氣的投入使用,預估短期內湖南省化石能源供需形勢將步入深刻調整階段。最后,根據三種化石能源供需發展趨勢,本文對預測結果進行了探討并提出相關建議,為推動湖南省能源改革提供數據、理論支持。

            [1] 陳睿,饒政華,劉繼雄,等.基于LEAP模型的長沙市能源需 求預測及對策研究[J].資源科學,2017,39(3):482-489. CHENRui,RAOZhenghua,LIUJixiong,etal.Studyonen- ergydemandforecastandcountermeasuresofChangshabased onLEAPmodel[J].ResourcesScience,2017,39(3):482-489.

            [2] WEIS,XUYF.ResearchonChina??senergysupplyandde- mandusinganimprovedGrey-Markovchainmodelbasedon wavelettransform[J].Energy,2017,118:969-984.

            [3] XIENM,YUANCQ,YANGYJ.ForecastingChina??sener- gydemandandself-sufficiencyratebygreyforecastingmodel and Markov model[J].InternationalJournalofElectrical Power&EnergySystems,2015,66:1-8.

            [4] 邱碩,王雪強,畢勝山,等.陜西省能源需求預測及其影響因素 分析[J].中國管理科學,2016(S1):932-937. QIUShuo,WANGXueqiang,BIShengshan,etal.Energyde- mandforecastanditsinfluencingfactorsanalysisinShaanxi province[J].ChineseJournalofManagementScience,2016 (S1):932-937.

            [5] WENM M.PredictionofcoalproductionbasedonBPneural network[J].Advanced MaterialsResearch,2011,217-218: 1647-1651.

            [6] LYUJC,ZHANGJ.BPneuralnetworkpredictionmodelfor suicideattemptamongChineseruralresidents[J].Journalof AffectiveDisorders,2019,246:465-473.

            [7] 謝麗霞,王志華.基于布谷鳥搜索優化BP神經網絡的網絡安 全態勢評估方法[J].計算機應用,2017,37(7):1926-1930. XIELixia,WANGZhihua.Networksecuritysituationassess- mentmethodbasedoncuckoosearchoptimizedbackpropaga- tionneuralnetwork[J].JournalofComputerApplications, 2017,37(7):1926-1930.

            [8] 沈銘科,黃鎮宇,王智化,等.基于布谷鳥算法與BP神經網絡的 煤灰變形溫度預測[J].燃料化學學報,2014,42(12):1423-1430. SHENMingke,HUANGZhenyu,WANGZhihua,etal.Pre- dictionofcoalashdeformationtemperaturebasedonCuckoo searchandBPneuralnetwork[J].JournalofFuelChemistry andTechnology,2014,42(12):1423-1430.

            [9] ESTEA,GRINGOLIF,SALGARELLIL.Supportvector machinesforTCPtrafficclassification[J].ComputerNet- works,2009,53(14):2476-2490.

            [10] 張修文,付佳,孫達辰,等.基于遺傳算法優化的BPNN讀者 滿足率評價模型[J].中華醫學圖書情報雜志,2013,22(10): 68-70. ZHANGXiuwen,FUJia,SUNDachen,etal.Geneticalgo- rithm-basedoptimalassessmentmodelofBPNNreaders??sat- isfactionrate[J].ChineseJournalofMedicalLibraryandIn- formationScience,2013,22(10):68-70.

            [11] 馬建偉,張國立.人工魚群神經網絡在電力系統短期負荷預測 中的應用[J].電網技術,2005,29(11):36-39. MAJianwei,ZHANG Guoli.Applicationofartificialfish- swarmneuralnetworkinshort-termloadforecastingofpower system[J].PowerSystemTechnology,2005,29(11):36-39.

            [12] 李克文,王秋寶,于明曉.基于改進ACO優化BPNN的軟件缺 陷預測模型[J].計算機工程與設計,2017,38(8):2137-2141. LIKewen,WANG Qiubao,YU Mingxiao.Optimizingsoft- waredefectpredictionmodelofBPneuralnetworkbasedon improvedACOalgorithm[J].ComputerEngineeringandDe- sign,2017,38(8):2137-2141.

            [13] LINZ M,CHEN GL,GUO W Z,etal.PSO-BPNN-based predictionofnetworksecuritysituation[C]∥20083rdInter- nationalConferenceonInnovativeComputingInformationand Control,Dalian,China.2008.

            [14] 陳樹,徐保國,王海霞,等.基于粒子群優化神經網絡(PSO- BPNN)算法在發酵過程控制中的研究[J].計算機與應用化 學,2007,24(7):885-887. CHENShu,XUBaoguo,WANG Haixia,etal.Studyoffer- mentationprocessbasedonPSO-BPNN[J].Computersand AppliedChemistry,2007,24(7):885-887.

            [15] DENGY,XIAOHJ,XUJX,etal.PredictionmodelofPSO- BPneuralnetworkoncoliformamountinspecialfood[J].Sa- udiJournalofBiologicalSciences,2019,26(6):1154-1160.

            [16] 余宇峰,朱躍龍,萬定生,等.基于滑動窗口預測的水文時間序 列異常檢測[J].計算機應用,2014,34(8):2217-2220. YUYufeng,ZHUYuelong,WANDingsheng,etal.Timese- riesoutlierdetectionbasedonslidingwindowprediction[J]. JournalofComputerApplications,2014,34(8):2217-2220.

            李湘旗,蘇婷,胡東濱,等.基于改進PSO-BPNN的湖南省化石能源供需形勢研究[J].中國礦業,2021,30(11):30-36.doi:10. 12075/j.issn.1004-4051.2021.11.002
            上一篇:綠色發展引領中國礦業進入新發展階段
            下一篇:綠色勘查項目示范進展與成效研究
            版權所有《中國礦業》雜志社有限公司 Copyright ? 2000-2021CHINAMININGMAGAZINE.com All Rights Reserved
            京ICP備13051254號-1京公網安備 11010502043614號
            无码国产福利AV私拍

              <th id="vc94l"><option id="vc94l"></option></th>
              <tr id="vc94l"></tr>

                <strike id="vc94l"></strike>
                <code id="vc94l"></code>

                1. <th id="vc94l"><video id="vc94l"></video></th>

                    1. <strike id="vc94l"></strike>