基于改进Tent映射的APSO-LSTM天然气需求量预测模型

作者：温泉; 石小平; 张利分; 李蕾

来源：油气储运, 2023, 42(06): 702-712.

• 天然气需求量
• Tent混沌映射
• APSO-LSTM
• PSO-LSTM
• LSTM
• BP神经网络
• 预测

为了准确预测多维影响因素条件下天然气需求量的变化，引入自适应惯性权重因子改进粒子群优化算法（Particle Swarm Optimization,PSO），将构建的自适应粒子群优化算法（Adaptive Particle Swarm Optimization,APSO）与改进Tent映射相结合，对长短期记忆（Long Short-Time Memory,LSTM）神经网络模型中的隐含层节点数、学习轮数、初始学习速率进行超参寻优，改变传统LSTM模型凭经验设定超参数的不足。基于1999—2020年的10项强相关性影响因素细分数据进行算例验证，并对2021—2030年中国的天然气需求量进行预测。结果表明：改进Tent-APSOLSTM模型组合参数寻优效果最佳，可以更好地适用于中国天然气中短期需求量预测工作。（图5，表6，参34）

• 单位
  武汉理工大学; 长江航道规划设计研究院; 湖北交通职业技术学院