Artificial Neural Network Conventional Fusion Forecasting Model for Natural Gas Consumption

Pradhan, Prabodh Kumar; Dhal, Sunil Kumar; Kamila, Nilayam Kumar

doi:10.1109/icacci.2018.8554500

Cited by 6 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Щоб прогнозувати щотижневе споживання, дослідники об'єднали щоденні дані з понеділка по суботу. У іншому дослідженні Прабод Кумар Прадхан (2018) також застосував ANN для прогнозування споживання природного газу [11]. Він використав п'ять різних вхідних параметрів для навчання мережі, © Матіко Ф.Д., Чабан В.Я., Масняк О.Я.…”

unclassified

“…Результати досліджень показали, що використання штучних нейронних мереж (ANN) дозволило отримати кращі прогнози в порівнянні з класичними моделями прогнозування. Застосування ANN виявилося ефективним у прогнозуванні споживання природного газу за різних погодних умов [11].…”

unclassified

See 1 more Smart Citation

Аналіз Методів Та Моделей Для Автоматизації Прогнозування Обсягів Споживання Енергоносіїв

Матіко Ф.Д.,

Чабан В.Я.,

Масняк О.Я.

2024

ПТП

View full text Add to dashboard Cite

В статті розглянуто застосування для прогнозування обсягів споживання енергоносіїв статистичних моделей, штучних нейронних мереж, адаптивних нейро-нечітких систем. Показано, що використання штучних нейронних мереж дає можливість моделювати складні залежності між вхідними та вихідними параметрами. Виділено недоліки застосування нейромереж для прогнозування обсягів споживання газу, зокрема, великий обсяг даних для тренування мережі, наявність експертних знань та досвіду у дослідника, висока обчислювальна складність навчання та застосування мережі. Визначено також переваги математичних моделей для прогнозування обсягів споживання газу, що дозволяє отримати більш точні результати, забезпечує можливість урахування експертного досвіду, дозволяє адаптувати модель до змінних умов та встановлювати причинно-наслідкові зв'язки. Обґрунтовано доцільність розроблення автоматизованої системи прогнозування обсягів споживання природного газу на основі комбінованого методу прогнозування, який поєднує детерміновані залежності обсягів споживання від основних вхідних параметрів та застосування нейромережі для опису впливу багатьох випадкових факторів.

show abstract

unclassified