-
公开(公告)号：CN109583944A
公开(公告)日：2019-04-05
申请号：CN201811346720.8
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
CPC分类号： G06Q30/0202 , G06N3/0445 , G06N3/084 , G06Q50/06
摘要： 本发明涉及天然气负荷预测方法技术领域，特别涉及基于一维小波分解重构和神经网络的天然气需求预测方法。以城市天然气门站实际采集的数据为基础，应用小波理论将实际采集的天然气需求时间序列进行分解，Symlets小波分解的层数为4层，分解的阶数为8阶，将分解出来的高频分量采用GRNN神经网络进行预测，分解出来的低频分量采用BP神经网络进行预测，最后逐层进行重构，得到最终的预测结果，并将该结果与单独使用GRNN神经网络和BP神经网络进行预测的预测结果进行对比，验证本发明提出的基于一维小波分解重构和神经网络的天然气需求预测方法的有效性和先进性。
-
公开(公告)号：CN109558972A
公开(公告)日：2019-04-02
申请号：CN201811347866.4
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
CPC分类号： G06Q10/04 , G06F17/148 , G06Q50/06
摘要： 本发明属于天然气负荷预测的方法技术领域，具体涉及基于不同小波分解阶数和层数的天然气需求预测方法。本发明提供的方法是分别采用Daubechies、Symflets、Coiflets小波基函数对天然气需求时间序列进行分解，分解出若干个高频分量和低频分量，通过基本神经网络的强拟合优势，采用RBF神经网络对分解出来的高频分量进行预测，应用Elman神经网络对分解出来的低频分量进行预测，同时，对不同小波基函数和分解阶数对天然气需求预测精度进行分析，最后确定最佳的不同小波分解阶数和层数。本发明对天然气需求有较高的预测精度，是一种高效的天然气需求预测方法。
-
公开(公告)号：CN109255730A
公开(公告)日：2019-01-22
申请号：CN201811346695.3
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
摘要： 本发明属于天然气负荷预测的方法技术领域，特别涉及一种天然气时负荷预测方法。应用C-C法计算天然气时负荷时间序列的最佳嵌入维数和延迟时间，在相空间重构的基础上，提出应用Volterra自适应滤波器的天然气时负荷预测模型，对比不同阶数单步和多步Volterra自适应滤波器预测模型的预测性能。得出的结论是三阶单步Volterra自适应滤波器具有更高的预测性能，本发明对短期天然气负荷预测有较高的预测精度，是一种高效的天然气短期负荷预测方法。
-
公开(公告)号：CN109214606A
公开(公告)日：2019-01-15
申请号：CN201811346712.3
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
CPC分类号： G06Q10/04 , G06N3/0454 , G06Q50/06
摘要： 本发明属于天然气负荷预测方法技术领域，具体涉及一种城市天然气时负荷预测方法。以城市天然气门站实际采集的数据为基础，应用小波理论将实际采集的城市天然气时负荷时间序列进行分解，特别涉及Coiflets小波，分解的层数为3层，分解的阶数为3阶，将分解出来的高频分量采用BP神经网络进行预测，分解出来的低频分量采用Elman神经网络进行预测，最后逐层进行重构，得到最终的预测结果，并将该结果与单独使用BP神经网络和Elman神经网络进行预测的预测结果进行对比，验证本发明提出的基于Coiflets小波和BP-Elman的城市天然气时负荷预测技术的有效性和先进性。本发明是一种高精度且有效的城市天然气时负荷预测方法。
-
公开(公告)号：CN109214607A
公开(公告)日：2019-01-15
申请号：CN201811347841.4
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
CPC分类号： G06Q10/04 , G06N3/0454 , G06Q50/02
摘要： 本发明属于天然气负荷预测的方法，具体涉及基于小波理论和神经网络的短期天然气负荷预测模型。以城市天然气门站实际采集的数据为基础，应用小波理论将实际采集的短期天然气负荷时间序列进行分解，特别涉及Deaubechies小波，分解的层数为5层，分解的阶数为5阶，将分解出来的高频分量采用GRNN神经网络进行预测，分解出来的低频分量采用Elman神经网络进行预测，最后逐层进行重构，得到最终的预测结果，并将该结果与单独使用GRNN神经网络和Elman神经网络进行预测的预测结果进行对比，验证本发明提出的基于小波理论和神经网络的短期天然气负荷预测模型的有效性和先进性。对比分析结果表明，本发明是一种高精度且有效的短期天然气负荷预测模型。
-
公开(公告)号：CN109492813A
公开(公告)日：2019-03-19
申请号：CN201811347843.3
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
摘要： 本发明属于天然气负荷预测方法技术领域，具体涉及基于改进遗传算法的短期天然气负荷组合预测方法。本发明提供的预测方法是从城市天然气门站采集数据，首先，采用高斯加权移动平均滤波器对采集的数据进行平滑处理，应用经验模态分解对处理后的数据进行分解，对分解出来的若干个IMF(基本模式分量)和趋势项进行归一化处理；其次，针对遗传算法在进行优化时，交叉概率和变异概率不改变的问题，提出了自适应的交叉概率和变异概率的改进方法；最后，提出采用改进遗传算法优化最小二乘支持向量机对归一化后的分量进行预测，并对预测结果进行重构，得到最终预测结果，并将预测结果与单独采用最小二乘支持向量机预测的结果进行对比。本发明对短期天然气负荷预测有较高的预测精度，是一种高效的天然气短期负荷预测方法。
-
公开(公告)号：CN109359778A
公开(公告)日：2019-02-19
申请号：CN201811346703.4
申请日：2018-11-13
申请人： 中石化石油工程技术服务有限公司 , 中石化中原石油工程设计有限公司
摘要： 本发明属于天然气负荷预测方法技术领域，特别涉及基于优化经验模态分解的短期天然气负荷预测技术。从城市天然气门站采集数据，首先，采用高斯加权移动平均滤波器对采集的数据进行平滑处理，应用优化经验模态分解算法，即集成经验模态分解算法，对处理后的数据进行分解，对分解出来的若干个IMF(基本模式分量)和趋势项进行归一化处理；采用粒子群优化最小二乘支持向量机对处理后的分量进行预测，并对预测结果进行重构，得到最终预测结果，并将预测结果与单独采用最小二乘支持向量机预测的结果进行对比。本发明对短期天然气负荷预测有较高的预测精度，是一种高效的天然气短期负荷预测技术。
-
公开(公告)号：CN118704442A
公开(公告)日：2024-09-27
申请号：CN202410963811.5
申请日：2024-07-18
申请人： 中石化石油工程技术服务股份有限公司 , 中石化中原石油工程设计有限公司
IPC分类号： E02D3/115
摘要： 本发明公开了一种天然气管道软土地基涡流管沉降控制装置，涉及天然气管道软土地基沉降控制技术领域，具体为一种天然气管道软土地基涡流管沉降控制装置，包括液化天然气储罐、汽化器、冻结部件和铺设在软土地基中的天然气外输管道；通过第一冻结组件、第二冻结组件的配合设置，使该一种天然气管道软土地基涡流管沉降控制装置具备了对天然气外输管道附近软土地基进行冻结的效果，基于土壤在低温冻结承载力提升原理，利用天然气高压驱动涡流管工作，涡流管产生冷流介质，冷流介质流动经过软土地基并吸收软土地基中的热量，从而冻结天然气外输管道的软土地基，天然气外输管道附近形成冷冻包裹层，实现对软土地基中天然气外输管道沉降的有效控制。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.056 秒)
