灰色理论和BP神经网络在汽柴油需求预测中的应用

辽宁石油化工大学学报 ›› 2009, Vol. 29 ›› Issue (2): 11-14.

灰色理论和BP神经网络在汽柴油需求预测中的应用

薛春兰¹,张明华^2* ,郑爱萍³,宋昭峥²,蒋庆哲²

1.江苏南京教师进修学校,江苏南京210009;2.中国石油大学化学科学与工程学院,重质油国家重点实验室,北京102200;
3.中国石油玉门油田分公司科技信息处,甘肃玉门735200

收稿日期:2008-12-12 出版日期:2009-06-25 发布日期:2017-07-05
作者简介:薛春兰(1963-),女,江苏宜兴市,副教授,硕士

Application of Gray Theory and BP Neural Network to the Prediction of Gasoline and Diesel Demand

XUE Chun-lan¹， ZHANGMing-hua^2*,ZHENGAi-ping³,SONGZhao-zheng²,JIANGQing-zhe²

1.Teacher College for Vocational Study, Nanjing Jiangsu 210009，P.R.China; 2.State Key Laboratory of Heavy Oil Processing，Faculty of Chemical Science and Engineering，China University of Petroleum，Beijing 102200, P.R.China;

Received:2008-12-12 Published:2009-06-25 Online:2017-07-05

摘要/Abstract

摘要： 对于目前汽柴油消费特点,以1998-2006年汽柴油年消费量为基础样本,采用灰色理论和BP神经
网络两种方法分别预测了2009和2010我国汽柴油的需求量。在分析原因的基础上,预测结果表明,今后两年,汽柴
油的需求量有较大增幅,相比于2006年的消费量,2010年汽柴油需求分别增加了37%和43%,并简要分析了原因。

关键词: 灰色理论 , BP神经网络 , 汽油 , 柴油

Abstract: Based on the gasoline and diesel annual consumption in the period of time from1998 to 2006, the grey theory and BP neural network methods are used to forecast the demand of gasoline and diesel in 2009 and 2010. The results, grounded on the analyses of the reasons, show that the demand of gasoline and diesel for consumption will increase significantly in 2010, 37and 58 percent respectively against that of the year 2006. 

Key words: Gray theory , BP neural network , Gasoline , Diesel

薛春兰,张明华,郑爱萍,宋昭峥,蒋庆哲. 灰色理论和BP神经网络在汽柴油需求预测中的应用[J]. 辽宁石油化工大学学报, 2009, 29(2): 11-14.

XUE Chun-lan1， ZHANGMing-hua,ZHENGAi-ping,SONGZhao-zheng,JIANGQing-zhe. Application of Gray Theory and BP Neural Network to the Prediction of Gasoline and Diesel Demand[J]. Journal of Liaoning Petrochemical University, 2009, 29(2): 11-14.

[1]	赵丽洲, 张宁峰. 双循环背景下石化企业供应链韧性评价研究[J]. 辽宁石油化工大学学报, 2024, 44(1): 89-96.
[2]	吕振辉, 曾榕辉, 薛冬, 潘云翔, 彭冲. 柴油质量升级中密度、十六烷值问题与应对措施[J]. 辽宁石油化工大学学报, 2023, 43(3): 8-13.
[3]	崔俊勇, 李奇安. 改进WLSSVM模型在汽油干点预测中的应用[J]. 辽宁石油化工大学学报, 2023, 43(1): 67-72.
[4]	郭丽莹, 郎宪明. KPCA⁃GPR模型在常压塔塔顶汽油干点预测中的应用[J]. 辽宁石油化工大学学报, 2022, 42(6): 73-77.
[5]	杜洋, 孙然, 刘进博, 石薇薇, 韩冬云. 一种新型生物柴油降凝剂的制备与性能[J]. 辽宁石油化工大学学报, 2022, 42(5): 38-42.
[6]	郭丽莹, 李文娜, 郎宪明. SKPCA⁃LSSVM模型在汽油干点预测中的应用[J]. 辽宁石油化工大学学报, 2022, 42(3): 74-78.
[7]	刘明, 马嘉悦, 刘晓培, 侯明君, 周妍. 基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析[J]. 辽宁石油化工大学学报, 2022, 42(2): 79-85.
[8]	张嘉席, 侯明波, 吴限, 李丽华. 微波消解⁃ICP⁃AES法测定车用汽油中的重金属元素[J]. 辽宁石油化工大学学报, 2021, 41(5): 28-31.
[9]	周仕鑫，张静，乔海燕，韩冬云，曹祖斌，石薇薇. 氧化⁃萃取法脱除减黏裂化柴油中硫化物[J]. 辽宁石油化工大学学报, 2020, 40(2): 6-10.
[10]	赵士龙，李维军，石成江. 基于优化BP神经网络的铝箔封口检测研究[J]. 辽宁石油化工大学学报, 2019, 39(1): 97-100.
[11]	马贵阳，朱赢. GM-BP模型在NGH生成中的预测研究[J]. 辽宁石油化工大学学报, 2018, 38(06): 93-98.
[12]	富玉,李晓鸥,李鹤鸣,等. 超声沉降法强化脱除印尼油砂油中机械杂质[J]. 辽宁石油化工大学学报, 2017, 37(5): 17-21.
[13]	董明亮,刘培胜,潘振,文江波,李秉繁. 基于SVM-GA模型的城市天然气长期负荷预测[J]. 辽宁石油化工大学学报, 2017, 37(2): 31-36.
[14]	毛艳红, 魏民, 刘冬梅, 王海彦. 催化裂化汽油深度脱硫工艺研究进展[J]. 辽宁石油化工大学学报, 2016, 36(6): 5-9.
[15]	孙振博,曹祖宾,韩冬云,赵荣祥. 催化裂化柴油超声氧化脱硫工艺研究[J]. 辽宁石油化工大学学报, 2016, 36(5): 10-13.