EMD-Attention-GRU天然气管网流量组合预测模型

作者：门嘉铖; 樊玉光; 高琳; 林红先^*; 张科

来源：油气储运, 2023, 42(10): 1193-1200.

• 天然气管网
• 流量预测
• 经验模态分解(EMD)
• 注意力机制
• 门控循环单元(GRU)

为了解决传统的时间序列预测方法在天然气管网流量预测中存在的不足，提出了一种基于经验模态分解（Empirical Mode Decomposition,EMD）、注意力机制（Attention）及门控循环单元（Gated Recurrent Unit,GRU）的组合模型。该模型利用EMD得到的原始天然气管网流量时间序列分量代替原始天然气管网流量数据，再将得到的本征模态函数分量输入GRU神经网络，采用在网络中集成的注意力机制计算不同时刻的注意力概率权重，最后在网络中学习并预测天然气管网流量时间序列。某天然气管网实例验证结果表明：EMD-AttentionGRU组合模型在预测天然气管网流量方面表现出良好的性能，能够捕捉到复杂的非线性关系，相比单一GRU模型、Attention-GRU模型，其预测结果的平均绝对百分比误差指标分别降低6.29%、5.17%。与传统时间序列预测方法相比，EMD-Attention-GRU组合模型能够更好应对天然气管网流量的复杂性及动态特征，具有推广应用价值。（图6，表1，参19）

• 单位
  西安石油大学; 陕西省天然气股份有限公司