天然气需求预测方法、装置、电子设备及介质制造方法及图纸

本申请公开了一种天然气需求预测方法、装置、电子设备及介质。该方法可以包括：构建灰色等维递补模型；根据灰色等维递补模型，对影响因素进行初步预测，获得影响因素的预测值；以天然气历史消费数据为因变量，以影响因素的历史值为自变量，构建偏最小二乘回归模型；根据影响因素的预测值与偏最小二乘回归模型，预测天然气需求。本发明专利技术通过灰色等维递补模型消除系统噪声，并对各类影响因素的发展趋势进行预测分析；利用偏最小二乘模型对天然气历史消费量及各类影响因素进行回归建模，不仅可以对天然气需求量进行合理准确的预测，还可以准确掌握其发展趋势和变化规律，在天然气生产管理、调度优化、发展规划和策略制定等都具有重要的指导意义。指导意义。指导意义。

【技术实现步骤摘要】
天然气需求预测方法、装置、电子设备及介质


[0001]本专利技术涉及油气开发预测领域，更具体地，涉及一种天然气需求预测方法、装置、电子设备及介质。

技术介绍

[0002]在低碳转型的时代特征和经济发展“新常态”的态势下，能源绿色转型要求日益迫切，及时调整能源消费结构，加大天然气和其它绿色低碳能源的消费比重势在必行。因此，科学合理地预测未来几年甚至十几年天然气需求总量，为相关部门制定相应的发展规划和策略提供参考，更加具有现实意义。
[0003]但是，目前阶段针对天然气需求预测的研究尚处于起步阶段，预测模型相对匮乏，传统的天然气需求预测方法主要包括趋势外推和消费系数法两种。趋势外推法一般通过若干组历史数据建立时序方程进行简单的趋势外推；消费系数法，通过弹性系数量值间接预测未来天然气需求。由于天然气需求系统是一个复杂的动态系统，与经济、社会、政策环境等诸多方面有交互影响，既有线性关系又有非线性关系，如若简单的采用弹性系数指标的预测值，具有较强的主观性，难以精确赋值，且其微小的变化都会引起需求总量较大变动，因此其预测结构的准确性难以保证。
[0004]在进行天然气需求预测时，现有技术包括：
[0005]梳理历年天然气消费时序数据，然后通过扩展S型曲线对天然气历史消费数据进行了函数拟合，利用SPSS非线性最小二乘法求解方程参数。该模型虽然采用了扩展策略，增加了原有S型生长曲线模型的参数数目，有效提高了模型的拟合精度，但是忽略了外界因素对天然气需求的影响，只是单纯地利用天然气历史消费数据进行函数拟合，并利用时序序列进行需求预测，所以该模型的预测效果、科学合理性有待进一步验证。
[0006]通过相关性分析确定影响因素；根据确定的影响因素分别由人工神经网络、支持向量机、主成分分析预测、混合回归分析、节点倍比法、误差修正模型、自回归分布滞后模型进行预测；根据最优化技术和决策理论确定各个模型的权重；根据不同模型权重分配得出日天然气需求预测值；根据用户数变化、检维修等对预测值进行修正。
[0007]但是，对于影响因素仅进行了相关性分析并未对各类因素进行必要的成分提取，以消除变量之间的共线性，因此如果简单利用相关性分析确定的影响因素进行预测时，必然存在较大的误差。而且，该方法采用了七种单模型分别进行预测，过程较为繁琐，可操作性差，不宜于实际操作使用，且各个模型直接相互交叉具有一定的重复性，需采用最优化方法确定不同模型的权重无形中加大了操作的难度。
[0008]因此，有必要开发一种基于灰色与偏最小二乘组合模型的天然气需求预测方法、装置、电子设备及介质。
[0009]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0010]本专利技术提出了一种天然气需求预测方法、装置、电子设备及介质，其能够通过灰色等维递补模型消除系统噪声，并对各类影响因素的发展趋势进行预测分析；利用偏最小二乘模型对天然气历史消费量及各类影响因素进行回归建模，不仅可以对天然气需求量进行合理准确的预测，还可以准确掌握其发展趋势和变化规律，在天然气生产管理、调度优化、发展规划和策略制定等都具有重要的指导意义。
[0011]第一方面，本公开实施例提供了一种天然气需求预测方法，包括：
[0012]构建灰色等维递补模型；
[0013]根据所述灰色等维递补模型，对影响因素进行初步预测，获得所述影响因素的预测值；
[0014]以天然气历史消费数据为因变量，以影响因素的历史值为自变量，构建偏最小二乘回归模型；
[0015]根据所述影响因素的预测值与所述偏最小二乘回归模型，预测天然气需求。
[0016]优选地，构建灰色等维递补模型包括：
[0017]根据历史数据，确定初始时序信息；
[0018]针对所述初始时序信息进行一次累加，获得一次累加序列；
[0019]计算所述一次累加序列的紧邻均值序列；
[0020]建立灰色等维递补模型，并计算所述灰色等维递补模型的系数向量。
[0021]优选地，灰色等维递补模型为：
[0022][0023]其中，x
(0)
(i)为初始时序信息，x
(1)
为一次累加序列，z
(1)
(i)为紧邻均值序列，a为发展系数，b为灰色作用量。
[0024]优选地，获得所述影响因素的预测值包括：
[0025]根据所述初始时序信息与所述灰色等维递补模型，建立时间响应方程；
[0026]针对所述时间响应方程进行1-AGO处理，获得还原序列，即为所述影响因素的预测值。
[0027]优选地，所述影响因素的预测值为：
[0028][0029]其中，
[0030]优选地，所述偏最小二乘回归模型为：
[0031]y＝a0+a1x1+a2x2+
…
+a
i
x
i
,i＝1,2,
…
,n
ꢀꢀꢀ
(3)
[0032]其中，y为因变量，x
i
为自变量。
[0033]优选地，根据所述影响因素的预测值与所述偏最小二乘回归模型，预测天然气需求包括：
[0034]将所述影响因素的预测值代入到所述偏最小二乘回归模型中，进行天然气需求量预测。
[0035]作为本公开实施例的一种具体实现方式，
[0036]第二方面，本公开实施例还提供了一种天然气需求预测装置，包括：
[0037]灰色等维递补模型构建模块，构建灰色等维递补模型；
[0038]预测值计算模块，根据所述灰色等维递补模型，对影响因素进行初步预测，获得所述影响因素的预测值；
[0039]偏最小二乘回归模型构建模块，以天然气历史消费数据为因变量，以影响因素的历史值为自变量，构建偏最小二乘回归模型；
[0040]预测模块，根据所述影响因素的预测值与所述偏最小二乘回归模型，预测天然气需求。
[0041]优选地，构建灰色等维递补模型包括：
[0042]根据历史数据，确定初始时序信息；
[0043]针对所述初始时序信息进行一次累加，获得一次累加序列；
[0044]计算所述一次累加序列的紧邻均值序列；
[0045]建立灰色等维递补模型，并计算所述灰色等维递补模型的系数向量。
[0046]优选地，灰色等维递补模型为：
[0047][0048]其中，x
(0)
(i)为初始时序信息，x
(1)
为一次累加序列，z
(1)
(i)为紧邻均值序列，a为发展系数，b为灰色作用量。
[0049]优选地，获得所述影响因素的预测值包括：
[0050]根据所述初始时序信息与所述灰色等维递补模型，建立时间响应方程；
[0051]针对所述时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天然气需求预测方法，其特征在于，包括：构建灰色等维递补模型；根据所述灰色等维递补模型，对影响因素进行初步预测，获得所述影响因素的预测值；以天然气历史消费数据为因变量，以影响因素的历史值为自变量，构建偏最小二乘回归模型；根据所述影响因素的预测值与所述偏最小二乘回归模型，预测天然气需求。2.根据权利要求1所述的天然气需求预测方法，其中，构建灰色等维递补模型包括：根据历史数据，确定初始时序信息；针对所述初始时序信息进行一次累加，获得一次累加序列；计算所述一次累加序列的紧邻均值序列；建立灰色等维递补模型，并计算所述灰色等维递补模型的系数向量。3.根据权利要求2所述的天然气需求预测方法，其中，灰色等维递补模型为：其中，x
(0)
(i)为初始时序信息，x
(1)
为一次累加序列，z
(1)
(i)为紧邻均值序列，a为发展系数，b为灰色作用量。4.根据权利要求2所述的天然气需求预测方法，其中，获得所述影响因素的预测值包括：根据所述初始时序信息与所述灰色等维递补模型，建立时间响应方程；针对所述时间响应方程进行1-AGO处理，获得还原序列，即为所述影响因素的预测值。5.根据权利要求4所述的天然气需求预测方法，其中，所述影响因素的预测值为：其中，6.根据权利要求1所述的天然气需求预测方法，其中，所述偏最小二乘回归模型为：y＝a0+...

【专利技术属性】
技术研发人员：刘建勋，徐孝轩，李长河，亢泽涛，王荣娟，张园园，
申请(专利权)人：中国石油化工股份有限公司石油勘探开发研究院，
类型：发明
国别省市：