需要金幣:![]() ![]() |
資料包括:完整論文 | ![]() |
![]() |
轉換比率:金額 X 10=金幣數量, 例100元=1000金幣 | 論文字數:8444 | ![]() | |
折扣與優惠:團購最低可5折優惠 - 了解詳情 | 論文格式:Word格式(*.doc) | ![]() |
摘要:本文通過收集廣東省2002年至今的水力發電量,建立了ARIMA模型和BP神經網絡模型對能源需求進行預測。經過實驗和誤差計算對比發現ARIMA模型在預測能源此類線性相關性較弱的數據中預測精確度較低,而BP神經網絡能夠較好地預測未來能源的消費量。最終結果顯示未來一年水力發電的需求量呈現下降趨勢,作者經過分析其中的主客觀原因得出相應的建議,建議水電站提高的運作效率并且政府積極開發新能源,引導企業投入到綠色生產的主流之中。
關鍵詞:ARIMA模型;BP神經網絡模型;需求預測;水力發電量
目錄 摘要 Abstract 一、 緒論-1 (一) 研究背景-1 (二) 研究意義-1 (三) 文獻綜述-2 (四) 研究內容與方法-3 1.研究內容與論文結構-3 2.研究方法-4 (五) 研究創新與不足-4 二、模型基本原理-4 (一) ARIMA模型-4 (二) BP神經網絡模型-5 三、實驗與結果分析-6 (一) ARIMA模型預測-6 1. 數據平穩性檢驗-6 2. 一階差分序列檢驗-8 3. 定階-9 4. 建模-9 5. 模型測試-10 (二) BP神經網絡預測-11 1. 數據預處理-11 2. 搭建BP神經網絡預測模型-11 3. 測試集模型檢驗-11 四、 未來發電預測及分析-12 (一)研究結果分析-13 (二)建議-13 五、 總結與期望-15 參考文獻-16 致謝 |