科研之友
微信
新浪微博
Facebook
分享链接
摘要
加油站成品油零售价格的确定是智慧加油站发展的关键。由于成品油价格的变化遵循复杂的非线性规律，尽管以长短期记忆(LSTM)为代表的非线性时序模型提高了传统时序预测方法的精度，但其运行效率难以满足动态变化的油价预测需求。针对这一问题，提出一种基于切片递归神经网络(SRNN)的成品油价格推荐模型，该模型以LSTM模型为递归单元，创新性地通过决策者根据多源数据得到的聚类结果筛选、设置的市场环境因子，对成品油销量施加影响，从而实现在销售约束条件下的成品油价格推荐。基于4年的加油站历史数据对模型预测性能进行了评估。结果表明，使用该模型与LSTM神经网络具有相同的预测精度水平，但比LSTM神经网络的运行速度快72倍。此外，基于SRNN模型的成品油价格推荐算法，加油站在实际销售中得到有效的应用，验证该模型的实用价值。
-
单位中国石油天然气集团公司; 珠海世纪鼎利科技股份有限公司; 中国科学院大学
