| 摘 要： | 为提高天然气负荷的预测精度,提出一种改进麻雀搜索算法（Sparrow Search Algorithm,SSA）与长短期记忆网络（Long Short-Term Memory,LSTM）相结合的组合预测模型（即改进SSA-LSTM模型）。先利用Sobol序列产生高质量初始种群,再引入自适应权重和T分布变异以增加麻雀跳出局部最优、提高全局搜索能力,后通过12种测试函数验证改进SSA算法的性能,并将该组合预测模型应用于华北某城市燃气门站的天然气负荷预测。为进一步提高模型预测精度,引入小波变换（Wavelet Transform,WT）,通过5种小波（Symlets小波、Coiflets小波、Fejer-Korovkin小波、Haar小波及Discrete-Meyer小波）对天然气负荷数据进行分解,将分解后的数据代入改进SSA-LSTM模型进行训练与预测,并将预测结果进行重构,以MAPE、RMSE、MAE为模型评价指标,结果表明：利用Discrete-Meyer小波7层分解方法的预测准确性最高,达到99.14%,相较于改进SSA-LSTM模型和传统LSTM模型的预测精度分别提高了3.55%、...
|
