-
题名基于SVM方法的天然气管网负荷预测研究
被引量：2
- 1
-
-
作者
代小华
汪玉春
朱勇
代治海
宋永亮
-
机构
中国石油天然气管道工程有限公司工艺室
西南石油大学石油工程学院
中国石油西南油气田分公司输气管理处
重庆红岩汽车有限责任公司铸一车间
中海石油基地集团监理技术公司
-
出处
《天然气与石油》
2009年第2期13-15,共3页
-
文摘
准确的负荷预测是管网优化运行的基础,在总结前人对管网负荷预测方法研究的基础上,提出了基于支持向量机(Support Vector Machine,SVM)理论的管网负荷预测模型。SVM方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的预测精度,减少了对人工预测经验的依赖;SVM方法以统计学理论为基础,训练等价于解决一个二次规划问题,得到的是全局最优解,解决了神经网络方法中无法避免的局部最优解问题。利用四川某大型天然气管网实例进行验证,与BP神经网络方法所取得的预测结果进行比较,证明支持向量机方法能够得到更高的精确度,为管网的安全经济运行提供了可信的理论支持。
-
关键词
天然气
管网
负荷
预测
支持向量机
-
分类号
TE832
[石油与天然气工程—油气储运工程]
-
-
题名预测技术在管网优化运行中的应用现状
被引量：1
- 2
-
-
作者
代小华
崔重印
代治海
-
机构
西南石油大学
冀东油田分公司生产运行处
重庆红岩汽车有限责任公司铸一车间
-
出处
《天然气与石油》
2007年第1期19-22,共4页
-
文摘
简要介绍了常用的几种预测技术在管网中的应用背景及发展历程,分析了不同的预测技术的特点及适用条件,指出各种预测技术的不足;阐述了不同预测技术在管网中的具体应用,指出预测技术在管网运用中亟待解决的问题。
-
关键词
预测
管网
优化
-
Keywords
Forecast
Pipe network
Optimization
-
分类号
TE832.2
[石油与天然气工程—油气储运工程]
-
