基于影响因素分析和小波神经网络的供热量预测
基于统计方法分析了实测时间序列中各影响因素与供热量的相关性。应用小波分析有效提取序列中的局部信息，与神经网络相结合，可分析蕴藏在系统中的非线性动态特性。建立了小波神经网络预测模型，把影响供热量的因素分为与其相关性较大（系统循环流量、供水温度和回水压力）和较小（供、回水压力和回水温度）的2组数据，预测结果证实与供热量相关性较大的1组影响因素的拟合程度比相关性小的高。就预测结果的准确性与BP神经网络结构进行了比较。结果表明，基于影响因素分析和梯度修正的小波神经网络供热量预测方法具有良好的动态特性、较强的泛化能力和较高的预测精度，适用于系统供热量的短期预测。
影响因素、小波神经网络、供热量预测、时间序列、动态特性、泛化能力、预测精度
TU9;TU8
国家“十二五”科技支撑计划项目编号2012BAJ04B02
2014-03-29（万方平台首次上网日期，不代表论文的发表时间）
共6页
113-118
