Wave-Ann模型在能源預(yù)報中的應(yīng)用.pdf

1、過去依賴于本土煤炭資源我國國民經(jīng)濟快速發(fā)展。但是國內(nèi)人均資源占有量貧乏,能源利用率低以及粗放型發(fā)展結(jié)構(gòu)直接導(dǎo)致主要礦產(chǎn)資源的對外依賴度上升,這不僅加大了我國的能源風險,同時對環(huán)境的危害也造成了非常嚴重的危害,對經(jīng)濟社會的可持續(xù)發(fā)展構(gòu)成威脅。針對能源相關(guān)領(lǐng)域進行預(yù)報,對于能源可利用率的提高,能源風險預(yù)警,保護生態(tài)環(huán)境,保護國民經(jīng)濟財產(chǎn)具有重要意義。
　　本文分析了我國能源狀況,發(fā)展趨勢,能源預(yù)報在我國能源產(chǎn)業(yè)的作用,以及現(xiàn)今我國能源

2、預(yù)報研究狀況。針對能源預(yù)報中存在的問題,提出使用Wave-Ann模型應(yīng)用于能源預(yù)報領(lǐng)域。
　　本文簡要介紹了小波分析的理論知識,并就傅里葉變換和窗口傅里葉變換與小波分析進行了比較,闡述了小波分析在時頻局部處理方面的強大能力,以及在實際應(yīng)用中采用的離散小波快速變換方法Mallat方法,同時介紹了人工神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)知識為Wave-Ann模型打下理論基礎(chǔ)。
　　小波分析具有局部化時頻分析能力,可利用這種“調(diào)焦”的性質(zhì)實現(xiàn)待分析

3、信號的時頻分析,將信號的有效頻率成分進行分離,實現(xiàn)信號的有效信息提取。人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的自學習和自適應(yīng)能力,良好的非線性擬合能力。基于小波分析與人工神經(jīng)網(wǎng)絡(luò)的聯(lián)合預(yù)報模型(Wave-Ann模型)結(jié)合兩者之間的優(yōu)點,有效識別信號的主要頻率成分并提取局部信息,避免了輸入數(shù)據(jù)量龐雜,收斂速度慢等缺點,并利用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)歷史序列與未來數(shù)據(jù)的非線性擬合,提高了預(yù)測精度和預(yù)測速度。
　　在Wave-Ann模型的基礎(chǔ)上,本文研究了Wav