【摘 要】
：
用户侧用气量的准确预测是天然气生产及管网运行调度的前提。为弥补现有预测方法未考虑数据本身误差对预测结果的影响,本文提出了一种基于历史数据的天然气用气量智能预测方法。该方法通过数据清洗和异常值筛选对原始数据进行预处理,降低原始数据误差对预测结果的影响；通过三次样条插值解决用气量数据丢失和用气量非等时间间隔的问题,采用小波降噪降低原始数据中的噪声；最后,通过实测数据构建了居民用气和工业用气两种类型的数
论文部分内容阅读
用户侧用气量的准确预测是天然气生产及管网运行调度的前提。为弥补现有预测方法未考虑数据本身误差对预测结果的影响,本文提出了一种基于历史数据的天然气用气量智能预测方法。该方法通过数据清洗和异常值筛选对原始数据进行预处理,降低原始数据误差对预测结果的影响；通过三次样条插值解决用气量数据丢失和用气量非等时间间隔的问题,采用小波降噪降低原始数据中的噪声；最后,通过实测数据构建了居民用气和工业用气两种类型的数据集,并通过构建的LSTM网络预测用气量。结果表明,该方法可以有效地预测天然气的用气量,与未处理的数据相比,预测误差分别降低了19.1%和27.9%。
其他文献
羽毛球运动在我国的发展前景十分可观，各个年龄段的羽毛球爱好者都有，是当下最受欢迎的体育项目之一，但是在实际参与羽毛球运动的时候发现，业余羽毛球爱好者中经常会有运动损伤的事件发生。运用文献资料、问卷调查、专家访谈、数理统计等为研究方法，选取郑州市多个羽毛球俱乐部，采用随机的方式抽取爱好者进行相关运动损伤的问卷调查的填写并进行分析得出：运动损伤发病率高，以膝关节损伤为主；专业技术、身体素质不足是运动损
目的 分析2005-2020年中国大陆本地和输入性登革热病例的时间、空间和人群等流行病学特征。方法采用Excel 2010软件分析登革热的季节性特征；采用R 4.0.2语言，基于Mann-Kendall趋势检验对登革热逐年发病年龄中位数开展趋势分析；通过ArcGIS 10.3软件实现病例地图的可视化，并开展空间分析。结果 2005-2020年中国14个省（自治区、直辖市）报告81 648例本地病例
鲁布格金矿为岩溶沉积微粒浸染型金矿。矿体赋存于二叠系茅口组灰岩与龙潭组碎屑岩之间岩溶不整合（假整合）面上的岩溶洼地或灰岩溶洞、隙中。洼地中沉积的矿（化）体,其展布受假整合面制约,产状与下伏灰岩一致;溶洞、隙中沉积的矿（化）体则在灰岩中穿错.有的还与洼地沉积体相连。区内茅口组灰岩是金质来源层。矿床的形成可归纳为岩溶洼地、裂隙形成;金质沉积成矿;掩埋成岩和地质改造四个阶段。
天然气作为一种清洁高效可再生能源,在构建现代能源体系、应对全球气候变化等方面发挥着越来越重要的作用。不法分子以各种手段非法盗气,严重威胁企业经济效益和国有资产利益,同时对城镇用气的安全使用造成重大威胁。对于燃气公司,实施精确的燃气用气异常检测有助于缩小疑似偷盗气的用户范围,为其偷盗气稽查工作提供参考,减少误判和漏查的情况,具有显著的经济效益,同时也有助于保障公众生命财产安全。传统的异常检测方法在应
居民用户是燃气公司主要的服务对象，近年来居民燃气事故多发频发，解决居民用户用气安全问题迫在眉睫。因此本文通过对居民小区巡查巡检、入户安检业务现状作为切入口，对燃气事故发生时间段进行收集，并对数据进行分析，通过对高发、低发时段产生原因的分析，找出了居民小区安全运营中存在夜间无法监控的管控难点，通过使用区域计量分区（DMA）技术，以四川P市PZ天然气公司为试点，对两种典型居民小区进行分析，提出了居民小
球孢白僵菌Beauveria bassiana是一种在害虫生物防治中应用广泛的虫生真菌，真菌病毒能够影响球孢白僵菌的致病力和生物学性状，但真菌病毒相关蛋白的抗体制备和利用其进行病毒检测和定位鲜有报道。本研究原核表达了一株普遍流行并且造成寄主球孢白僵菌毒力下降的双链RNA（double stranded RNA，dsRNA）病毒Beauveria bassiana chrysovirus 2（BbC
罗平县是云南省典型的岩溶地貌区,岩溶地貌占80%以上,区域内河流纵横,属珠江流域南盘江水系一、二级支流,构造为喜马拉雅早期构造,伴随降雨和人类工程活动等,地质灾害常表现出偶发性、时效性等特点。因此开展罗平县地质灾害风险性区划研究,为服务地方发展、防灾减灾和社会经济的可持续发展具有重要意义。本文选取罗平县为研究区域,综合自然因素、诱发因素、人类因素和物质因素进行风险性区划研究,研究成果如下:（1）通
气流参数表示了流经的客户末端的状况，以此判断客户用气是否正常。在1 100个燃气用户处安装数据采集器，整理数据并绘制各类典型的压力、温度、流量的小时变化趋势图，找到共性规律，建立燃气用户用气画像。分析诊断客户用气，将生成的压力、温度、流量和时间图线与典型用气画像对比，符合规律的为运行正常，否则为不正常。此成果已应用于识别燃气泄漏、变送器自身故障等，能够增强企业与相关机构的风险识别能力。
燃气涡轮流量计在工况运行中，异常表征数据较少且部分异常表征与用户用气行为表征高度相似，使得燃气涡轮流量计的异常表征识别难度大。为此，本文提出一种结合机理分析与机器学习的燃气涡轮流量计异常表征识别模型MML-IGMA（Mechanism and Machine Learning to Identify Gas Meter Abnormity，结合机理分析与机器学习的燃气涡轮流量计异常识别）。该模型基
锅炉供暖、餐饮、学校及事业单位等燃气公服用户,是城市燃气负荷的重要组成部分,对于保障城市生活与生产的正常运行发挥着重要作用。燃气负荷预测是发展天然气事业的基础性、关键性技术,然而公服用户的燃气负荷具有瞬变性、相关性、非线性等特点,模型学习难度大,导致预测效果欠佳,为燃气负荷预测带来了一定的挑战。本文针对以上难点,从提升数据质量、负荷特征选择、预测模型构建三方面进行研究,实现公服用户用气负荷的准确预