【摘要】：原油產(chǎn)量預(yù)測(cè)系統(tǒng)受環(huán)境因素、科技水平因素、國(guó)家政策以及其他因素的影響,與國(guó)家的經(jīng)濟(jì)、軍事和進(jìn)口政策的制定關(guān)系匪淺.密切關(guān)注我國(guó)原油產(chǎn)量,探索其下降的原因,并進(jìn)行合理預(yù)測(cè)以規(guī)避潛在的不利影響.原油產(chǎn)量數(shù)據(jù)具有非線性、不平穩(wěn)的特點(diǎn),精準(zhǔn)預(yù)測(cè)的難度較大.為了提高預(yù)測(cè)的精度,這里提出了VMD-BPNN組合模型.在實(shí)證分析中,通過(guò)變分模態(tài)分解(Variational Mode Decomposition,VMD)將我國(guó)原油產(chǎn)量月度數(shù)據(jù)分解為K個(gè)分量及殘差項(xiàng),接著對(duì)K+1個(gè)分量分別使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),將得到的預(yù)測(cè)結(jié)果加總起來(lái)作為VMD-BPNN組合模型的最終預(yù)測(cè)值.根據(jù)三種評(píng)價(jià)標(biāo)準(zhǔn),VMD-BPNN組合模型預(yù)測(cè)的效果比單個(gè)BP神經(jīng)網(wǎng)絡(luò)和EEMD-BPNN組合模型的好.由于VMD算法需要預(yù)先設(shè)定好K值,這里根據(jù)集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensamble Empirical Mode Decomposition,EEMD)結(jié)果中的模態(tài)數(shù)來(lái)確定VMD的K值.
【圖文】：

蘭州大學(xué)碩士研究生學(xué)位論文 基于VMD和神經(jīng)網(wǎng)絡(luò)的原油產(chǎn)量預(yù)測(cè)1( ) ( ) ( )n n nr t c t r t . (2-4循環(huán)幾次，當(dāng) ( )nc t 或 ( )nr t 的值小于預(yù)先設(shè)定的數(shù)值或者 ( )nr t 是時(shí)間的單調(diào)函數(shù). 當(dāng)二者滿足其一，，分解過(guò)程結(jié)束, 原信號(hào)被分為n個(gè)分量與 ( )nr t 之和. 但會(huì)出現(xiàn)分解不完全、端點(diǎn)效應(yīng)、“虛假”模態(tài)或者某個(gè) IMF 中包含了不同頻率的混頻現(xiàn)象.2.1.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解的算法步驟有了 EMD 的思想, 仍需解決其存在的問(wèn)題, 由此提出了 EEMD. 通過(guò)在原始信號(hào)中不斷加入高斯白噪聲信號(hào), 然后一次次進(jìn)行 EMD, 再對(duì)每次分解出來(lái)的本征模態(tài)函數(shù)進(jìn)行平均以抵消加入白噪聲的影響, 具體步驟如下圖所示:

究生學(xué)位論文 基于VMD和神經(jīng)網(wǎng) -1,01,0()wxbwxbf x, 了一個(gè)簡(jiǎn)單地人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)例圖[31], 包先不知道輸入輸出間映射關(guān)系的情況下, 通過(guò)訓(xùn)中的映射關(guān)系. 這里對(duì)人工神經(jīng)網(wǎng)絡(luò)的一些術(shù)語(yǔ)進(jìn)輸入層和輸出層, 輸入層的神經(jīng)元稱為輸入神經(jīng)元經(jīng)元. 除輸出層與輸入層外的就是隱藏層, 對(duì)應(yīng)的
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：F224;F426.22

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 耿倪;;基于小波變換和時(shí)間序列模型的Brent原油期貨價(jià)格預(yù)測(cè)[J];中國(guó)商論;2018年05期

2 范秋楓;王濤;張智峰;;量子粒子群智能算法在國(guó)際布倫特原油價(jià)格預(yù)測(cè)中的應(yīng)用[J];模糊系統(tǒng)與數(shù)學(xué);2017年04期

3 孟雅蕾;王予;;基于過(guò)程神經(jīng)網(wǎng)絡(luò)對(duì)原油產(chǎn)量預(yù)測(cè)技術(shù)的探討[J];電腦知識(shí)與技術(shù);2017年13期

4 歐陽(yáng)靜;張立彬;潘國(guó)兵;徐紅偉;陳金鑫;;基于諧波補(bǔ)償?shù)腍HT:暫態(tài)電能質(zhì)量信號(hào)分析新方法[J];高技術(shù)通訊;2017年01期

5 孫一鳴;吳楊揚(yáng);李平;;基于改進(jìn)雙門(mén)限法的語(yǔ)音端點(diǎn)檢測(cè)研究[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

6 和志明;易娟子;;新疆原油產(chǎn)量的灰色組合預(yù)測(cè)研究[J];石油工業(yè)計(jì)算機(jī)應(yīng)用;2010年04期

7 姚志剛;;改進(jìn)的Logistic模型在原油產(chǎn)量預(yù)測(cè)中的應(yīng)用[J];油氣地質(zhì)與采收率;2010年03期

8 李智超;趙正文;鐘儀華;李建麗;劉道杰;;小波神經(jīng)網(wǎng)絡(luò)在油田產(chǎn)量預(yù)測(cè)中的應(yīng)用[J];大慶石油地質(zhì)與開(kāi)發(fā);2008年06期

9 鐘雨師;葉志瑾;陳武;陳光海;;油田原油產(chǎn)量改進(jìn)的二次指數(shù)最優(yōu)預(yù)測(cè)方法研究[J];鉆采工藝;2008年04期

10 李卓,劉斌,劉鐵男;支持向量機(jī)在油田產(chǎn)量預(yù)測(cè)中的應(yīng)用[J];大慶石油學(xué)院學(xué)報(bào);2005年05期

相關(guān)博士學(xué)位論文 前3條

1 盧志宏;基于BP神經(jīng)網(wǎng)絡(luò)的荒漠嚙齒動(dòng)物群落對(duì)氣候變化滯后響應(yīng)[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

2 呂中亮;基于變分模態(tài)分解與優(yōu)化多核支持向量機(jī)的旋轉(zhuǎn)機(jī)械早期故障診斷方法研究[D];重慶大學(xué);2016年

3 張郁山;希爾伯特—黃變換（HHT）與地震動(dòng)時(shí)程的希爾伯特譜[D];中國(guó)地震局地球物理研究所;2003年

相關(guān)碩士學(xué)位論文 前3條

1 張鎖峰;基于VMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];桂林電子科技大學(xué);2017年

2 赫彬;基于模態(tài)分解的MEMS矢量水聽(tīng)器信號(hào)去噪及應(yīng)用[D];中北大學(xué);2017年

3 趙李明;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的廣州市空氣質(zhì)量預(yù)測(cè)與時(shí)空分布研究[D];江西理工大學(xué);2016年

本文編號(hào)：2623639