基于K近邻互信息估计的原油管道电耗预测

作者：李雨; 侯磊; 徐磊; 白小众; 刘金海; 孙欣; 谷文渊

来源：节能技术, 2021, 39(02): 144-164.

• 原油管道
• 电耗预测
• BP神经网络
• 相关性分析
• 互信息估计

为使用最少的特征实现管道电耗的精准预测,建立基于K近邻互信息估计的BPNN模型来预测管道电耗。利用管道输送理论公式扩充原始数据集,利用K近邻互信息估计提取强相关性特征,将提取出的特征喂入BPNN来建立原油管道电耗预测模型,最后对比利用不同输入特征建立的模型的预测精度。研究结果表明:利用K近邻互信息估计能够选出多个与电耗相关的重要特征;利用相关性最强的前5个特征建立的BPNN预测模型时,模型的平均绝对百分比误差比利用单个特征建模时降低了39.28%,达到5.79%;该模型平均训练时间也比利用全部特征建模时缩短22.49%。证明K近邻互信息估计能够提取管道电耗的相关特征,与BPNN结合后能够实现管道电耗的准确预测。

• 单位
  中国石油大学（北京）; 中国石油天然气集团公司