基于混合深度学习的石油和煤炭在中国的能源消耗预测

科学领域:

• 能源经济学 能源经济学
• 计算智能是一种计算智能.
• 预测科学 预测科学

背景情况:

• 准确预测石油和煤炭消费对于中国的能源安全和战略规划至关重要.
• 预测能源消耗是复杂的,因为许多影响因素和固有的不确定性.

研究的目的:

• 为准确预测中国的石油和煤炭消费开发混合深度学习方法.
• 通过利用各种深度学习模型,提高能源消耗预测的准确性.

主要方法:

• 一个混合深度学习框架,包括功能工程,多模型构建和自适应组合集成.
• 开发和组合五种不同的深度学习模型,具有不同的结构和时间限制.
• 使用量身定制的,自我适应的权重策略,以实现最佳的模型集成.

主要成果:

• 确定主要能源指标的最佳特征:石油进口,石油生产,煤炭进口和煤炭生产.
• 与现有的最先进的方法相比,证明了更高的预测准确度.
• 使用880个跨越1999-2021年的真实世界数据点进行验证,结合了39个相关因素.

结论:

• 拟议的混合深度学习方法有效地捕捉了复杂的能源消耗动态.
• 这种方法在预测中国石油和煤炭市场的准确性方面取得了重大进展.
• 这些发现支持加强能源战略优化和改善中国的能源安全.