针对煤气消耗数据量大，而传统机器学习模型在处理大数据时准确度不高，且数据在时间上有一定规律可循的特点，利用长短时记忆神经网络(LSTM)独特的记忆能力对煤气进行预测。为提高LSTM预测模型精度，使用经验模态分解(EMD)算法将煤气消耗数据分解为若干个相对平稳的固有模态函数和一个残差项r(t),提出基于EMD-LSTM算法的组合煤气预测模型。结果表明：与BP、EMD-BP、LSTM模型相比，该方法能够准确预测煤气消耗量，为企业节约成本和调度人员进行煤气分配提供参考。
科研之友
微信
新浪微博
Facebook
分享链接
