重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (7): 306-314.
钞寅康,龚立雄,黄 霄,陈佳霖
摘要: 为解决传统单一模型泛化能力弱、预测精度低等问题,提出一种 GM(1,1)灰色模 型和 MEABP神经网络的组合预测模型,解决了 GM(1,1)预测模型对能耗的预测受时间因素 影响随机波动大及预测精度较低等问题,融合 MEABP神经网络并行计算、强容错力以及分布 式信息存储等优势,减少了因数据波动而影响预测结果精度的情况,解决了误差无法反馈调整等 问题。选取 1985—2020年全国电能消耗总量为建模数据,与线性回归、三指数平滑、GM(1,1)、BP 神经网络、MEABP神经网络等模型的预测结果进行分析比较。结果表明:GM(1,1)MEABP 组合模型相较于其他模型,预测精度最高,误差值最小,MAPE值达到 0.0065,RMSE值达到 977.9961。通过实例证明了 GM(1,1)MEABP组合模型对电能消耗量预测具备较高的精度, 可为国家在能源方面宏观智能调度提供依据。
中图分类号: