基于XGB-PSO-LSTM模型的城市天然气用量预测方法技术

本发明专利技术公开了一种基于XGB‑PSO‑LSTM模型的城市天然气用量预测方法，属于能源预测技术领域，本发明专利技术旨在解决传统统计方法如时间序列分析和回归分析，基于历史数据建立模型预测未来，但易受外界因素变化影响且欠缺非线性处理能力以及深度学习方法在处理序列数据的非线性关系和长期依赖上具有优势，但参数调整复杂且适应性较弱的问题。

【技术实现步骤摘要】

本专利技术涉及能源预测，具体涉及一种基于xgb-pso-lstm模型的城市天然气用量预测方法。

技术介绍

1、随着城市化进程的加快，天然气作为重要的能源在城市中得到广泛应用。准确预测城市天然气用量对于优化能源管理、保障能源供应安全具有重要意义。目前，城市天然气用量预测方法主要包括：

2、1. 传统统计方法：

3、这类方法主要包括时间序列分析（arima、sarima等）和回归分析等。它们的主要思想是分析历史数据之间的统计规律，并建立数学模型进行预测。

4、时间序列分析：基于时间序列数据的自相关性和移动平均特性，建立模型预测未来趋势。例如，arima（autoregressive integrated moving average model）模型通过自回归和移动平均组合，能够有效地捕捉数据中的趋势和季节性特征。但是该方法本质上是基于历史数据的趋势进行外推，当外界因素发生明显变化时，预测结果会出现较大的偏差。

5、回归分析：建立天然气用量与其他影响因素（如温度、节假日、季节等）之间的线性回归模型，预测未来用量。本文档来自技高网...

【技术保护点】

1.一种基于XGB-PSO-LSTM模型的城市天然气用量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于XGB-PSO-LSTM模型的城市天然气用量预测方法，其特征在于，所述步骤2中的预处理包括：标准化处理、缺失值填充以及异常值剔除。

3.根据权利要求2所述的基于XGB-PSO-LSTM模型的城市天然气用量预测方法，其特征在于，所述步骤3中划分训练集和测试机具体为：按照94%的比例划分出训练集，剩余的6%则作为测试集。

4.根据权利要求2所述的基于XGB-PSO-LSTM模型的城市天然气用量预测方法，其特征在于，所述步骤5中得到最优超...

【技术特征摘要】

1.一种基于xgb-pso-lstm模型的城市天然气用量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于xgb-pso-lstm模型的城市天然气用量预测方法，其特征在于，所述步骤2中的预处理包括：标准化处理、缺失值填充以及异常值剔除。

3.根据权利要求2所述的基于xgb-pso-lstm模型的城市天然气用量预测方法，其特征在于，所述步骤3中划分训练集和测试机具体为：按照94%的比例划分出训练集，剩余的6%则作为测试集。

4.根据权利要求2所述的基于xgb-pso-lstm模型的城市天然气用量预测方法，其特征在于，所述步骤5中得...

【专利技术属性】
技术研发人员：单耀宇，王洪军，华松，杨儒风，王大功，宋成学，
申请(专利权)人：中国石油天然气股份有限公司天然气销售吉林分公司，
类型：发明
国别省市：