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MEA-BP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MEA-BP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、MEA-BP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)-MEA-BP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 0.006 5,RMSE值达到977.996 1.通过实例证明了GM(1,1)-MEA-BP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.
国家科技期刊平台
NSTL
万方数据
