×
老挝，童飞;孙燕瑞

用一种新的灰色预测方法预测中国天然气的生产和消费。 （英语） Zbl 07578519号

数学。计算。模拟。 202, 295-315 (2022).
小结：合理预测中国天然气消费和生产，有助于决策者制定政策，解决中国日益突出的天然气供需矛盾。考虑到中国小样本的数据环境，本文考虑使用具有小样本建模特点的灰色预测模型来研究中国天然气的消费和生产。为了实现准确预测，本文开发了一种新的带幂项的离散分数阶非线性灰色伯努利模型（DFNGBM（（1,1，alpha）），并使用最新的平衡优化器求解模型的超参数。该模型具有现有大多数灰色预测模型的优点，如分数阶累积运算和时间幂项。此外，该模型是许多其他灰色预测模型的统一表达形式。以2003年至2020年中国天然气的消费和生产为例，与用于研究天然气的其他竞争模型相比，验证了该模型的可行性和有效性。结果表明，该模型的预测能力优于其他模型。因此，该模型的可行性和有效性得到了验证。最后，利用DFNGBM（（1,1，α）模型对未来几年中国天然气消费量和产量进行了预测，并根据预测结果给出了相应的建议。

MSC公司：

91至XX 博弈论、经济学、金融和其他社会和行为科学
90倍X 运筹学、数学规划

关键词：

非线性灰色贝努利预测模型;平衡优化器;天然气消费和生产;分数阶累积运算;小样本建模
PDF格式BibTeX公司 XML格式引用
\textit{T.Lao}和\textit{Y.Sun}，数学。计算。模拟。202295--315（2022；Zbl 07578519）
全文： 内政部

参考文献：

[1] Aleksandar，A。；Bajatović，D.，天气预报和人工智能集成用于短期城市天然气消耗预测，J.Cleaner Prod.，266，第122096条，pp.（2020）
[2] Chen，C.-I.，新型非线性灰色Bernoulli模型在失业率预测中的应用，混沌孤子分形，37，1278-287（2008）·Zbl 1390.91253号
[3] 崔，J。；Dang，Y。；Liu，S.，新型灰色预测模型及其建模机制，控制决策。，24, 11, 1702-1706 (2009) ·Zbl 1212.93009号
[4] Faramarzi，A。；海德丽内贾德，M。；斯蒂芬斯，B。；Mirjalili，S.，平衡优化器：一种新的优化算法，Knowl-基于系统。，191，第105190条pp.（2020）
[5] 侯赛因，E.H。；切利克，E。；Mahdy，医学硕士。；Ghoniem，R.M.，用于解决全局、组合、工程和多目标问题的自适应平衡优化器，专家系统。申请。，195，第116552条pp.（2022）
[6] Houssein，E.H。；din Helmy，B.E。；Oliva，D。；Jangir，P。；普雷姆库马尔，M。；Elngar，A.A。；Shaban，H.，一种基于多阈值的高效COVID-19 CT图像分割方法，使用改进的平衡优化器Biomed。信号处理。控制，73，第103401条pp.（2022）
[7] Ikram，M。；斯劳夫，R。；张，Q。；Ferasso，M.，《环境可持续性的评估和预测：中国与美国的新型灰色模型比较分析》，《环境》。科学。波卢特。研究，28，14，17891-17912（2021）
[8] 贾维德，S.A。；Cudjoe，D.，中国和印度四个行业温室气体排放量的新型灰色预测，可持续发展。生产消耗。，29, 777-790 (2022)
[9] A.M.Khan。；Osiáska，M.，如何预测金砖国家的能源消耗？，能源，14，10，2749（2021）
[10] 刘，C。；老挝，T。；吴维珍。；谢伟。；朱浩，一种优化的非线性灰色贝努利预测模型及其在天然气生产中的应用，专家系统。申请。，194，第116448条pp.（2022）
[11] 刘，H。；刘，D。；郑庚。；梁毅，基于支持向量回归的天然气短期负荷预测研究，能源，5，140-144（2004）
[12] 刘，C。；吴维珍。；谢伟。；Zhang，J.，带时间幂项的新型分数灰色预测模型在预测印度和中国电力消费中的应用，混沌孤子分形，141，第110429页（2020）
[13] 刘，C。；吴维珍。；谢伟。；张，T。；Zhang，J.，利用带有时间幂项的新型分数灰色模型预测中国天然气消费，能源代表，7788-797（2021）
[14] 刘，C。；谢伟。；老挝，T。；姚婷（音）。；Zhang，J.，一种新的具有时间幂项的灰色预测模型在预测中国GDP中的应用，灰色系统：理论应用。，11, 3, 343-357 (2020)
[15] 刘，C。；谢伟。；吴维珍。；朱浩，利用扩展离散灰色多项式模型预测中国消费品零售总额，工程应用。Artif公司。智力。，102，第104261条pp.（2021）
[16] 吕，M。；李，J。；牛，X。；Wang，J.，基于深度学习和自我改进优化算法的新型确定性和概率组合系统，风速预测，Sustain。能源技术。评估。，52，第102186条pp.（2022）
[17] 吕，M。；Wang，J。；牛，X。；Lu，H.，基于数据去噪策略和高级优化算法的短期风速预测新组合模型，J.Ambient Intell。Humaniz公司。计算。(2022)
[18] 马，X。；刘，Z。；王毅，新型非线性多元灰色贝努利模型在中国旅游收入预测中的应用，J.Compute。申请。数学。，347, 84-94 (2019) ·Zbl 1407.62427号
[19] 马，X。；谢，M。；吴，W。；曾，B。；Wang，Y。；Wu，X.，新型分数阶离散多元灰色系统模型及其应用，应用。数学。型号。，70, 402-424 (2019) ·Zbl 1464.62389号
[20] O̧zmen，A。；Y'lmaz，Y。；Weber，G.-W.，《利用MARS和CMARS模型预测住宅用户的天然气消耗量》，《能源经济》。，70, 357-381 (2018)
[21] 钱，W。；Dang，Y。；Liu，S.，带时间幂的灰色GM模型及其应用，系统。工程理论实践。，32, 2247-2252 (2012)
[22] 乔·W。；刘伟。；Liu，E.，基于小波变换的组合模型，用于预测美国每月天然气生产和消费之间的差异，能源，235，第121216页，（2021）
[23] 乔·W。；杨，Z。；康，Z。；Pan，Z.，基于Volterra自适应滤波器和改进鲸鱼优化算法的短期天然气消耗预测，工程应用。Artif公司。智力。，87，第103323条pp.（2020）
[24] ⑩ahin，U.，《到2030年法国、德国、意大利、西班牙、土耳其和英国可再生能源消费的未来》，使用优化的分数阶非线性灰色Bernoulli模型，Sustain。生产消耗。，25, 1-14 (2021)
[25] ⑩ahin，美国。；钢球N，S。；Chen，Y.，使用分数灰色预测模型和机器学习方法预测新冠肺炎导致的封锁下欧洲国家的季节性发电量，Appl。能源，302，第117540条pp.（2021）
[26] Şahin，美国。；Şahin，T.，使用分数非线性灰色伯努利模型预测意大利、英国和美国的累计新冠肺炎确诊病例数，混沌孤立分形，138，文章109948 pp.（2020）
[27] 夏尔马，V。；尤卡利。；Sardana，B。；库兹鲁，M。；Banga，D。；Pipattanasomporn，M.，《利用机器学习技术进行数据驱动的短期天然气需求预测》，J.Pet。科学。工程，206，第108979条pp.（2021）
[28] 魏，B。；谢，N。；胡，A.，新型灰色多项式预测模型的最优解，应用。数学。型号。，62, 717-727 (2018) ·Zbl 1462.62571号
[29] Wu，L。；刘，S。；姚，L。；Yan，S。；Liu，D.，分数阶累积灰色系统模型，Commun。非线性科学。数字。模拟。，18, 7, 1775-1785 (2013) ·Zbl 1274.62639号
[30] 吴，W。；马，X。；曾，B。；吕伟。；Wang，Y。；Li，W.，一种用于短期天然气消耗预测的新型灰色伯努利模型，应用。数学。型号。，84, 393-404 (2020) ·Zbl 1481.91133号
[31] 吴，W。；马，X。；曾，B。；Wang，Y。；Cai，W.，使用新型分数阶非线性灰色伯努利模型预测中国短期可再生能源消费，Renew。能源，14070-87（2019）
[32] 吴，W。；马，X。；曾，B。；Zhang，Y。；Li，W.，使用带有时间功率项的非线性灰色伯努利模型预测亚太地区的短期太阳能发电，能源环境。，32, 5, 759-783 (2020)
[33] 吴，W。；马，X。；曾，B。；张，H。；Zhang，P.，一种新的具有保角分数阶导数的多元灰色系统模型及其应用，计算机与工业工程，164，第107888页，（2022）
[34] 吴，Z。；吴，Z。；Li，F。；冯，D.，改进的时间幂灰色预测模型及其建模机制，控制与决策，34637-641（2019）·Zbl 1438.93132号
[35] 曾，B。；Li，C.，使用自适应智能灰色模型预测中国天然气需求，能源，112810-825（2016）
[36] 张杰。；秦，Y。；Duo，H.，《中国天然气消费的发展趋势：基于灰色预测模型的预测观点》，《能源代表》，74308-4324（2021）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。