期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于RBF神经网络非线性集成模型的天然气需求预测 被引量：9

下载PDF
导出
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。
作者 冯雪 张金锁 邹绍辉 包乌云毕力格
机构地区 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
出处 《统计与决策》 CSSCI 北大核心 2015年第11期91-93,共3页 Statistics & Decision
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)
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
分类号 F224 [经济管理—国民经济]
  • 相关文献

参考文献8

  • 1国家统计局.中国国民经济和社会发展统计公报[M].北京:中国统计出版社,2012.
  • 2汪寿阳,余乐安,黎建强.TEI@I方法论及其在外汇汇率预测中的应用[J].管理学报,2007,4(1):21-27. 被引量：35
  • 3Park J, Sandberg I W. Universal Approximation Using radial-ba- sis-Function Networks[J]. Neural Computation, 1991, 3(2).
  • 4孙廷容,杨菊香,张洪波,黄强,王功.基于径向基函数网络的能源消费量预测模型[J].西安理工大学学报,2006,22(2):163-166. 被引量：8
  • 5Box G, Jenkins G, Reinsel C. Time Series Analysis: Forecasting and Controlling[M]. Englewood Cliffs, N J, USA: Prentice-Hall, 1994.
  • 6Powell M J D. Radial basis functions for muhivariable interpolation: a review[C]. IMA Conference on Algorithms for the Approximation of Functions and Data, Shrivenham: Royal Military College of Science, 1985.
  • 7Bhattacharyya. S C. Energy Economics[M]. London Dordrecht Heidel- berg New York,Springer,2011.
  • 8Akaike H. Canonical Correlation Analysis of Time Series and the Use of an Information Criterion, in Systems Identification: Advances and Case Studies[M]. New York: Academic Press, 1976.

二级参考文献17

  • 1黄强,赵麦换,徐晨光,田峰巍.基于径向基函数神经网络的水轮发电机组效率曲线计算方法[J].西安理工大学学报,2003,19(4):303-306. 被引量：4
  • 2WANGShouyang,YULean,K.K.LAI.CRUDE OIL PRICE FORECASTING WITH TEI@I METHODOLOGY[J].Journal of Systems Science & Complexity,2005,18(2):145-166. 被引量：73
  • 3刘首文,冯尚友.人工神经网络在湖泊富营养化评价中的应用研究[J].上海环境科学,1996,15(1):11-14. 被引量：26
  • 4[1]Deboeck G J.Trading On the Edge:Neural,Genetic,and Fuzzy Systems for Chaotic Financial Markets[M].New York:Wiley,1994.
  • 5[2]Yaser S A M,Atiya A F.Introduction to Financial Forecasting[J].Applied Intelligence,1996,6:205-213.
  • 6[3]Hann T H,Steurer E.Much Ado about Nothing? Exchange Rates Forecasting:Neural Networks vs.Linear Nodels Using Monthly and Weekly Data[J].Neurocomputing,1996,10:323-339.
  • 7[4]WANG S Y.TEI@I:A New Nethodology for Studying Complex Systems[Z].The International Workshop on Complexity Science,Tsukuba,Japan,2004.
  • 8[6]Rumelhart D,Hinton G,Williams R.Learning Internal Representations by Error Propagation[C].//Rumelhart D,McClelland J.Parallel Distributed Processing:Explorations in the Microstructure of Cognition[M].Cambridge,MA:MIT Press,1986:318-363.
  • 9[7]Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer-Verlag,1995.
  • 10[8]ZHANG G P.Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model[J].Neurocomputing,2003,50:159-175.

共引文献41

同被引文献101

引证文献9

二级引证文献57

统计与决策
2015年 第11期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部