论文部分内容阅读
天然气市场需求预测本质上是一个复杂的非线性系统建模问题,神经网络集成具有很强的非线性映射能力,且具有比单一神经网络更强的学习和泛化能力,能够较好地解决这类问题,所以,本文对神经网络集成方法进行了研究和改进,并将其应用于天然气市场的需求预测。
考虑到训练样本的分布信息,根据聚类的思想,本文提出了一种基于Kohonen网络的个体网络生成方法KNNE(KohonenbasedNeuralNetworkEnsemble)。在对神经网络集成方法进行研究的基础上,通过理论分析表明,对于结论生成方法采用加权平均法的神经网络集成,去除部分满足一定条件的个体网络后,神经网络集成将获得更强的泛化能力。在此基础上,提出了一种基于约束规划的选择性神经网络集成方法,在独立训练出一批神经网络之后,利用约束规划方法来选择性能相对较优的个体网络集合,从而构造出较好的神经网络集成。针对在不同输入空间,个体神经网络的预测性能不同的问题,提出了基于RBF神经网络的动态权重结论生成方法,实验结果表明,此方法能够取得比传统的神经网络集成结论生成方法更好的效果。
最后,针对天然气市场需求预测的特点,建立了天然气需求预测模型,把本文提出的方法应用于此模型中,实验结果表明,其应用效果是比较理想的,能够较好地预测需求量的变动趋势。