1) monthly gas load
燃气月度负荷
1.
This paper gave the procedure using which to predict monthly gas load for a city in Zhejiang province with utilizing software of MATLAB, and built a BP neural network model to predict city gas load.
应用MATLAB科学计算软件编制了对浙江省某城市燃气月度负荷的预测程序,建立了燃气月度负荷预测的BP神经网络模型,对模型进行训练后,利用它对该市燃气月度负荷进行了预测,预测结果的相对误差最在±6。
2) Gas load
燃气负荷
1.
In order to improve the forecasting accuracy,in accordance with the influence factors and characteristics of hour gas load,a model has been established to forecasting hour gas load with OIF(output-input feedback) Elman network.
为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测。
2.
The structure of forecast model by BP neural network is discussed,and the forecast method and program flow of short-term town gas load based on this model are put forward.
论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。
3.
The rules of hourly,daily and monthly gas load are analyzed on the basis of existing data of gas consumption in a residential area.
根据居民小区现有的用气量数据,对时、日和月燃气负荷规律进行分析,得出燃气负荷的时高峰系数、日高峰系数和月高峰系数,运用时间序列理论对居民燃气时负荷进行了预测。
3) annual gas load
燃气年负荷
5) monthly load forecasting
月度负荷预测
1.
Application of wavelet soft-threshold de-noising and GRNN in monthly load forecasting
小波软阈值去噪和GRNN网络在月度负荷预测中的应用
2.
The paper presents the basics of a general re- gression neural network (GRNN), use the horizontal and vertical history data as input of GRNN, building the monthly load forecasting model, apply GRNN to monthly load forecast.
研究了月度负荷的特性,指出了其季节波动性和趋势增长性双重特性;介绍了广义回归神经网络的基本理论,提出以横向历史数据和纵向历史数据作为输入神经元,建立了月度负荷预测模型,并将其应用于我国某地区月度负荷预测,结果表明:该模型的预测精度明显高于一般的BP网络。
6) gas short-period load
燃气短期负荷
1.
Forecasting city gas short-period load based on BP model with varied learning rate;
基于变学习率BP模型的城市燃气短期负荷预测
补充资料：月度
1.指月亮在天空运行的度数﹑位次。古人将周天分为三百六十度﹐划分若干区域﹐辨别日月星辰的方位。 2.月亮经过。 3.指作为计算单位的一个月。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条