基于神经网络的燃气日负荷智能预测方法

为解决城市燃气日负荷具有随机性和不确定性问题，首先分别采用广义回归神经网络（GRNN）、灰色-GRNN和梯度-GRNN对燃气日负荷数据进行预测，通过MATLAB仿真表明，得到的预测误差大部分都在20%以内，说明这3种预测模型总体上是可行的，但预测精度并不是很高；然后针对城市燃气日负荷可能发生的预测模型故障现象，将GRNN、灰色-GRNN和梯度-GRNN的预测数据作为组合预测模型的数据基础，采用广义动态模糊神经网络（GD-FNN）进行智能组合预测，仿真结果表明：GD-FNN的平均预测精度为93.639%，平均每组预测用时为7.668 s，从预测精度上看，组合预测模型的预测精度要明显高于单一预测模型的预测精度，尤其是在预测过程中发生故障现象时更显其优势。