基于RBF神经网络非线性集成模型的天然气需求预测
2015-06-10分类号:F426.22;TP18
【部门】西安科技大学能源经济与管理研究中心 西安科技大学能源学院 西安科技大学管理学院 西安科技大学通信学院
【摘要】结合数据特征,文章以RBF神经网络作为非线性集成工具,建立了我国天然气需求预测模型。研究发现:(1)非线性集成模型对我国天然气需求预测精度最高,稳定性最强。相较而言,非线性集成模型的预测值平均相对误差最小(2.81%),明显低于单一的ARIMA模型(3.55%)、RBF残差修正后的组合模型(6.78%)和单一的RBF模型(9.00%);(2)非线性集成模型预测2013~2015年我国天然气需求量以年均12.45%的比例增长,这种增速有利于我国能源消费结构的改善。
【关键词】ARIMA RBF神经网络 组合模型 非线性集成模型 天然气需求预测
【基金】国家自然科学基金资助项目(71273206;71273207);; 陕西省软科学计划重点项目(2012KR2-01)
【所属期刊栏目】统计与决策
文献传递