来源：期刊VIP网 时间：
作者：赵明智1;郭光荣2;范立军2;韩龙2;于千城1,3
单位：1.北方民族大学计算机科学与工程学院;2.宁夏哈纳斯燃气集团有限公司;3.北方民族大学图形图像国家民委重点实验室
摘要：由于城市居民的消费习惯和生活节奏的变化，精确预测天然气消耗量变得尤为重要。为此，文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先，通过变分模态分解（VMD）将原始负荷序列分解为本征模态函数（IMF）分量，从而避免模态混叠和假峰值的问题。随后，对Transformer解码层进行重新构建，并将其与LSTM网络融合，旨在更好地捕捉序列中的长期依赖关系，同时减少模型参数。为解决LSTM网络中常见的梯度消失和梯度爆炸问题，文章引入残差连接机制，将其整合到Transformer和LSTM网络中。其次，为进一步提升预测精度，设计一个误差修正模块，以提高天然气负荷预测的稳定性和准确性。实验结果表明，该组合模型在预测精度上显著优于传统模型如ARIMA、Transformer、GRU和LSTM，预测的平均绝对误差（MAE）提升23%～58%。综上所述，该方法可显著提升天然气负荷预测的精度。
关键词：天然气短期负荷预测;变分模态分解;Transformer;LSTM;残差连接;误差修正
基金资助：银川市校企联合创新项目（2022XQZD009）; 宁夏重点研发计划（重点）项目（2023BDE02001）;宁夏重点研发计划（引才专项）项目（2022YCZX0013）; 北方民族大学2022年校级科研平台（2022PT＿S10）
