基于主成分与BP 神经网络的中国能源安全预警

格式：pdf
大小：98.56 KB
文档页数：2

下载文档原格式

基于主成分分析的BP神经网络模型的形变预测方法

１引言
Ｂ＝ＨＨＢ＝ＤＤＡ
（）１（）２
显然（ｎ是实对称正定矩阵， × ）Ｂ可分解为：式中，Ａ为个特征根（Ａ …Ａ）成的对角阵；Ａ，：组Ｄ
的凡个列为互相正交的特征向量ｄ（＝１２ … ，）ｋ，，ｎ，
的复杂网络系统。目前神经网络诸多算法中应用最广的是Ｂｂｃｒｐｇｔｎ网络，结构比较简Ｐ（ａｋｐｏａａｏ）ｉ其单，作性强，操据统计，０～０的神经网络模型８％９％采用了ＢＰ网络或者它的变化形式 “Ｊ。结合主成分分析法和Ｂ网络的优点，于形Ｐ用变预测，过ＭＡＬＢ编程实现，预测结果与灰通ＴＡ将色模型和传统的ＢＰ神经网络预测结果进行比较，结论是基于主成分的ＢＰ神经网络预测结果较好。
维空间的坐标旋转，并不改变样本数据结构，到的得
主成分是原变量的线性组合且两两不相关，够最能大程度地反映元变量所包含的信息，以一定标准在选取前ｋ较重要的主成分之后，个原来的多维问题得以简化 … 。人工神经网络（ｒｆｉｅｔｌｅｏｋ，ＮａｔｃａｎｕｒｔｒｓＡＮ）ｉｌｉａｎｗ
可靠性。结果表明：与其他方法相比，基于主成分分析的改进ＢＰ神经网络能取得更好的预测效果。关键词：变预测；形主成分分析；Ｐ神经网络Ｂ

基于核主成分分析法的BP神经网络短期负荷预测

基于核主成分分析法的BP神经网络短期负荷预测短期负荷预测的方法有很多，BP神经网络是目前研究最为成熟的神经网络模型之一。

然而BP网络存在着收敛速率慢、易陷入局部极小等问题。

针对此缺陷，文章提出了基于核主成分分析的遗传算法神经网络模型，利用KPCA法提取负荷数据的主成分。

并用GA优化BP网络的权值和阈值，克服易陷入局部极小的不足。

最后通过实例分析，证明了算法的有效性。

标签：短期负荷预测；遗传算法；核主成分；BP神经网络短期电力负荷预测主要是指预报未来几小时、一天至几天的电力负荷，电力负荷预测是能量管理系统的重要组成部分[1]。

目前神经网络技术在短期负荷预测中使用广泛，并已有许多很成功的应用实例[2]。

然而BP神经网络具有训练速度慢和对初始权值敏感以致容易陷入局部极小点的缺陷。

针对以上问题，文章提出了基于核主成分分析法的BP神经网络模型。

利用KPCA对训练样本的输入个数进行降维优选，以较少输入代替原始大量输入，同时信息大部分得以保留。

同时将遗传算法与BP神经网络结合，利用GA的全局搜索优化BP网络的结构参数，有效克服BP算法的局部收敛等问题。

1 核主成分分析法核主成分分析（Kernel Principle Component Analysis：KPCA）的基本思想为：首先通过非线性映射将非线性可分的原始样本输入空间变换到一个线性可分的高维特征空间，然后在这个新的空间中完成主成分分析，它的核心在于利用核技巧对经典的主成分分析法（Principle Component Analysis）进行的一种非线性推广[3]。

1.1 核主成分分析法基本原理2 GA-BP神经网络模型2.1 BP神经网络原理BP（Back Propagation）神经网络是一种按误差逆传播算法训练的多层前馈网络，3层BP网络的结构包括输入层、输出层和一个隐含层。

BP 神经网络的基本原理是采用梯度下降法调整权值和阈值使得网络的实际输出值和期望输出值的均方误差值最小。

基于BP神经网络的我国碳排放情景预测

摘
要
碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴ＳＩＰＴ模型的影响因素，取人口、ＴＲＡ选城镇化率、人
均ＧＰ第三产业ＧＰ比例、Ｄ、Ｄ能源消耗强度、炭消费比例等６项因素为自变量，１８－２０煤以９００９年的指标数据为训练样本，运
第１１卷第１７期２１年６月０１
１７～１１（０１１— １８０６１８５２１）７４０ —５
科
学
技
术
与
工
程
Ｖｏ．１Ｎｏ１Ｊｎ０１１１．７ｕｅ２１
ＳｉｎｅＴｃｎｌｇｎｇｎｅｉｇｃｅｃｅｈｏｏｙａｄＥｎｉｅｒｎ
⑥
２１ＳｉＴｃ．ｎｎ．０ｃ．ｅｈＥｇｇ１
环境科学
基于ＢＰ神经网络的我国碳排放情景预测
宋杰鲲张宇
（中国石油大学（华东）经济管理学院东营２７６；，５０１胜利油田辛采油厂财务资产管理中心东营２７９）东，５０１
需要大量ＣＥ模型和中国温室气体排放情景分析模型对
我国碳排放进行预测，曹斌，等运用Ｌａｅｐ模型对厦门市碳排放进行预测。二是构建碳排放与其影Ｊ响因素之间的关系模型，设置不同情景对碳排放进
用ＢＰ神经网络方法构建了我国碳排放预测模型，并对２１－２１０００５年我国碳排放进行预测，结果表明我国“ 二五” 间应适十期当降低ＧＰ增速，Ｄ促使碳排放目标的有效实现。关键词碳排放预测ＢＰ神经网络模型

中国能源市场波动预警分析——基于自组织竞争神经网络

Ａｂｔａｔｈｓｐｐｒｘｒｃｓｓｖｎｉｄｃｔｒｒｍｎｒｙｐｏｕｔｎ，ｐｒｃｐｔｏｓｍｐｏｎｎｒｙｉｏｔｎｘｏｔａｅｓｒｃ：Ｔｉａｅｔａｔｅｅｎｉａｏｓｆｅｏｅｅｇｒｄｃｏｉｅａｉｃｎｕｔｎａｄｅｅｇｍｐｒａｄｅｐｒｄａｉｒｔｉｌｍｅｔｆｅｅｇｒｅｓｔｅｂｓｃｄｔｏｎｌｚｎｈｎ＇ｅｅｇｒｅｏａｉｔ，ａｄｅｔｂｉｈｓｔｅｓｌ — ｒａｉｎｎｅｅｎｓｏｎｒｙｍａｋｔａｈａｉａａｆｒａａｙｉｇＣｉａｓｎｒｍａｋｔｖｌｔｉｙｌｙｎｓｌｅｈｅｆｏｇｚｇａｓｎｉ
ｔｋｓｔｅｐｅｉｕ５ｙａｓａａａｒｉｉｇｄｔ，ｒｃｎｅｒｄｔｓｗｒｉｇｔｓｄｔ，ａｄｒｐｅｅｔｔｅｄｆｅｅｔｗａｅｔｐａｅｈｒｖｏｓ１ｅｒｄｔｓｔｎｎａａａｅｅｔ５ｙａｓａａａａｎｎｅｔａａｎｅｒｓｎｓｈｉｒｎｖｙｅ
据，用｛，，１分别代表不同的波动类型，大幅波动期、相对稳定期和小幅波动期。结果发现，该模型得出的结果与现实情况ｌ２３
相符，１９ — ９４年为一个小幅波动期，１９ — ００年之间处于一个相对稳定的波动时期，从２０ — ０９年我国能源市场表现９０１９９６２００１２０

基于BP神经网络的煤矿安全预警评估机制研究

ＺＯｈｎ —ｅＷＡＧＬ－ｅＨＵＺｏｇｋ，Ｎｉｉｊ
（．ｈｃｏｌｆｎｇｍｎｏＣｉｎｖｒｉｆｎｎｎｅｈｏｇ（ｅｉ）Ｂｉｎ００３ｈａ１ＴｅＳｈｏｏＭａａｅｅｔｆｈｎＵｉｅｔｏｉｇａｄＴｃｎｌｙＢｉｎ，ｅｉ１０８，Ｃｉ）ａｓｙＭｉｏｊｇｊｇｎ（．ｈｎｈｎｕｏｌｏＬｑｉａｄＣｅｉｌｏ，ｔ．Ｂｉｎ００，ｈｎ）２ＣｉａＳｅｈａＣａｔｉｄｎｈｍｃ．Ｌｄｅｉｇ１０１ＣｉｕａＣｊ１ａ
策支持。
关键词：安全预警；神经网络；煤矿；评估体系
中图分类号：９Ｘ２文献标识码：Ａ
Ｓｕｄｎｓｆｔａｌｗａｎｎｓｅｓｅｔｉｏｌｍｉｓｄｏｐｅａｔｒｓｔｙｏａｅｙｅｒｙ— ｒｉｇａｓｓｍｎｎｃａｎｅｂａｅｎｂｎｕｒｌｎｅｗｏｋ
文章编号：６３— ９Ｘ（０１一４— １４— ５１７１３２１）００３０
基于ＢＰ神经网络的煤矿安全预警评估机制研究
周忠科，立杰王
（．国矿业大学（京）理学院，京１中北管北ｌ０ｇ）Ｏ０Байду номын сангаас３
ｏｅａｉｎ．ｔｅｍｏｅｓｔｓｎｈｏｇｈａｅｓｕｙｏｏｌｍｉｅ．Ｔｅｐｐｒｐｔｆｒａｄｈａｌ－ｒｉｇｐｒｔｏｈｄｌｉｅｔｇｔｒｕｈｔｅｃｓｔｄｆ５ｃａｎｓｈａｅｕｏｗｒｓｔｅｅｒｗａｎｉｙｎ

基于BP神经网络的保险业产业安全预警实证研究

ａ
ｈｉｇｈｅｒｒｅｔｕｒｎ
Ｏｎ
ＫＥＹＷＯＲＤＳ：ｉｎｓｕｒａｎｃｅ；ｉｎｄｕｓｔｒｙ
ｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ；ｎｅｕｒａｌｎｅｔｗｏｒｋＣＬＡＳＳＮＯ：
ｓｅｃｕｒｉｔｙ；ｉｎｄｕｓｔｒｉａｌｓｅｃｕｒｉｔｙｗａｒｎｉｎｇ；ｒ，ｒｉｎｅｉｐａ］
目录
中文摘要…………………………………………………………………………．ｉｉｉ
Ｗａｒｎｉｎｇ
ＳｔｕｄｙＢａｓｅｄ
ｏｎ
ＮｅｕｒａｌＮｅｔｗｏｒｋ
作者：曹玲导师：龚玉荣副教授
北京交通大学
２０１１年７月
——Ｊ．‘
／
学位论文版权使用授权书
本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）
ｍｏｌｅｉｎｔｅｎｓｅａｎｄｆｒｅｑｕｅｎｔ．Ｒｅｓｅａｒｃｈｉｎｇａｎｄｂｕｉｌｄｉｎｇｕｐｉｎｓｕｒａｎｃｅｓａｆｅｔｙｗａｒｍｉｎｇｓｙｓｔｅｍ，ｍｏｍｅｎｔａｒｉｌｙｏｂｓｅｒｖｉｎｇｃｏｒｒｅｌａｔｉｖｅｉｎｄｅｘｐｏｉｎｔ，ｍａｎａｇｉｎｇｔｈｅｐｏｓｓｉｂｉｌｉｔｙｒｉｓｋｉｎａｄｖａｎｃｅ，ｗｈｉｃｈｈａｖｅｓｉｇｎｉｆｉｃａｎｔｍｅａｎｉｎｇｔｏａｖｏｉｄｉｎｇｔｈｅｆｉｎａｎｃｉａｌｃｒｉｓｅｓｈａｐｐｅｎｉｎｇ，
文献综述…………………………………………………………………．７产业安全问题研究综述……………………………………………。７预警理论研究综述…………………………………………………。８保险业研究综述……………………………………………………。９ＢＰ人工神经网络运用研究综述……………………………………９产业安全预警系统分析及模型介绍……………………………………１ｌ

BP神经网络预测技术在企业能源管理系统中的应用

文章编号：１６７２ — ６９８７（２０１３）０２ — ０２０３ — ０４
ＢＰ神经网络预测技术在企业能源管理系统中的应用
刘川Ｉ来，郭坤
（青岛科技大学自动化与电子工程学院，山东青岛２６６０４２）
ＡｐｐｌｉｃａｔｉｏｎｏｆＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＦｏｒｅｃａｓｔｉｎｇＴｅｃｈｎｏｌｏｇｙ
ｉｎｔｈｅＥｎｔｅｒｐｒｉｓｅＥｎｅｒｇｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ
Ａｂｓｔｒａｃｔ：ＡｆｏｒｅｃａｓｔｉｎｇｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｓｕｇｇｅｓｔｅｄｉｎｔｈｉｓｐａｐｅｒｆｏｒｔｈｅｐｒｏｂｌｅｍｄｕｒｉｎｇｄｅｖｅｌｏｐｉｎｇｔｈｅｅｎｔｅｒｐｒｉｓｅｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ．ＡｎｄｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｍｏｄｅｌａｎｄａｎａｌｙｚｅｔｈｅｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｏｆｏｎｅｓｔｅｅｌｅｎｔｅｒｐｒｉｓｅ．Ａｔｔｈｅｌａｓｔ，ｔｈｅｒｅａｌ — ｔｉｍｅｃａｌｃｕｌａｔｉｏｎｗａｓｒｅａｌｉｚｅｄｂｙｍａｋｉｎｇＭＡＴＬＡＢｔｏｏｌｂｏｘｅｓａｎｄｔｈｅｃｏｍｐｉｌｅｒｔｅｃｈｎｏｌｏｇｙｅｍｂｅｄｔｏｔｈｅｓｙｓｔｅｍ

基于遗传算法优化和BP神经网络的短期天然气负荷预测

ｏ＝ｋ
一，ｂ＝７２ … ，ｎ，，ｒ
（）２
《工业控制计算机｝０２年第２２１５卷第１Ｏ期
ＢＰ神经网络预测误差为：
一
验；
（）３
ｏｋ
Ｓｅ．置Ｂｔｐ５设Ｐ神经网络参数的初始值；
Ｓｅ．Ｂｔｐ６对Ｐ神经网络进行学习和训练，设置期望输出；并
ｃｌｓｉｃｔａｇｅｒｌａｉＴｈｎｈｏｉａｇａｓｏｆｅｃｓｉｍｏｌｓｓａｉｈａｓｆａｉｉｏｎｎｄｎｅａｉｔｚｏｎ．ｅｔｅｐｔｌｍｌａｄｏｒａｔｎｇｄｅｉｅｔｂｌｅｄ，ｎｔｅｓａｄｈｍｏｄｅｐｅｒｍａｅｓｌｆｏｒｎｃｉ
ＰｏａａｉｎｅｒｌｅｗｒａｅｎｉｃｅｓｇｙａｐｉｄｔｏｄｆｒｃｓｉＡｓｓｅｔｅｏｅａｔｇｍｅｈｄｏＰａｄｒｐｇｔ）ｎｕａｎｔｏｋｈｓｂｅｎｒａｉｌｐｌｏｌａｏｅａｔｇ．ｙｔｍａｉｄｆｒｃｓｉｔｏｆＢｎｏｎｅｎｚｎＧＡ（ｎｔｇｒｈＧｅｅｉＡｌｏｉｍ）ｉｐｏｏｅｉｔｉａｅ．ｓｕｅｏｏｔｚｍｏｅｐｒｍｅｅｆＢＰｆｒｔｅａｉｙｏｈｃｔｓｒｐｓｄｎｈｓｐｒｐＧＡｉｓｄｔｐｉｅｔｄｌａａｔｒｏｏｈｂｌｆｔｅｍｉｉｔ
到天气、节、假日等诸多因素影响，季节其复杂性导致天然气负荷波动十分频繁，高度非线性、变性、散性和随机性等特点。呈时分

基于 BP 神经网络的我国煤炭消费和碳排放量预测

基于 BP 神经网络的我国煤炭消费和碳排放量预测∗张正球;陈娅【摘要】利用1994~2013年历年的煤炭消费和碳排放量数据，将 BP 神经网络方法应用于我国煤炭消费和碳排放量的预测，通过预测值和实际值的对比分析，预测了2014~2020年的煤炭消费量和碳排放量，预测结果表明：未来几年煤炭消费和碳排放量依旧呈递增趋势，且增长率均不会出现太大的变动。

%According to the coal consumption and carbon emissions data from 1 994 to 2013,the neural network method is applied in the prediction of coal consumption and carbon emissions.By comparing and analyzing the predicted value and the actual value,we predict the coal consumption and carbon emissions from 2014 to 2020.The predications show that in the next few years,coal consumption and carbon emis-sions still show an increasing trend,and the growth rate will not undergo a big change.【期刊名称】《湖南大学学报（社会科学版）》【年(卷),期】2015(000)001【总页数】4页(P64-67)【关键词】BP 神经网络;煤炭消费;碳排放量【作者】张正球;陈娅【作者单位】湖南大学数学与计量经济学院，湖南长沙 410082;湖南大学数学与计量经济学院，湖南长沙 410082【正文语种】中文【中图分类】F407.21一引言近年来，能源的大量消耗给生态环境带来了巨大的压力，特别是由于温室效应所导致的气候变暖已严重威胁到人类生产和生活的可持续发展。

基于QPSO-BP神经网络的火灾预警算法

消防理论研究基于QPSO-BP神经网络的火灾预警算法高建丰"，王版,金卷华'(1.浙江海洋大学，浙江舟山316022；2.临港石油天然气储运技术国家地方联合工程实验室，浙江舟山316022)摘要：为了进一步提高油库消防系统的安全性，针对其火灾报警信息系统进行了改进，构建基于量子粒子群算法优化BP 神经网络的火灾智能预警算法，以温度、烟雾浓度以及CO浓度数据作为神经网络的输入，以无火、明火以及阴燃火的概率作为神经网络的输出〉使用量子粒子群算法优化BP神经网络运行中随机产生的权值和阈值，加快神经网络收敛到期望误差的速度，增强全局搜索能力。

通过MATLAB软件对智能火灾预警算法的模型进行仿真，模型输出的火情概率与实际值基本吻合。

设计了多传感器数据采集设备，获取火灾现场数据，输入网络模型，能够有效识别明火、阴燃火和无火情况，验证了该算法可提高消防预警系统的准确性。

关键词：消防；火灾预警；神经网络；量子粒子群算法中图分类号：X932；TP277文献标志码：A文章编号:1009-0029(2020)10-1345-05火灾报警探测和预警是包含多因素的复杂问题，大部分消防报警系统中釆用的都是直观探测法或系统探测方法，抗干扰能力弱，容易出现漏报和误报，无法进一步提高消防系统的安全性。

国内外学者对于提高火灾预警的准确性做了大量的研究。

目前应用最多的是直观法，也是最简单的火灾信息处理算法。

为了进一步提高火灾检测的准确性，系统处理算法应运而生。

最早的系统处理算法是趋势算法，H.Luck等首先用Kendall—r趋势算法实现火灾的检测，随后又设计了火灾信号的相关滤波算法，通过对检测到的信号进行相关性判断，从而探测是否发生火灾。

随着机器学习算法的发展，将其应用到火灾预警系统可以进一步提高火灾探测的准确度，降低系统误报率。

Z. Peng等应用神经网络算法采集多个火灾数据，提高识别火灾信号的准确性。

M.Thuillard等应用模糊逻辑推理判断火灾信号趋势变化，从而达到更好的火灾预测目的。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

经济研究导刊
ECONOMIC RESEARCH GUIDE
总第49期2009年第11期Serial No．49
No．11，2009摘
要：初步建立了一套较为全面、科学地反映中国能源安全的预警指标体系，该指标体系由煤炭、石油和天然
气三个子系统构成，运用主成分分析的方法对预警指标进行降维，并运用BP 神经网络预警的方法对中国1995-2007年的能源安全状况进行了分析。

关键词：能源安全；预警；BP 神经网络中图分类号：F062．1
文献标志码：A
文章编号：1673－291X （2009）11－0241－02
收稿日期：2009-01-11
作者简介：赵长城（1955-），男（满族），黑龙江人，教授，硕士研究生导师，从事应用数理统计研究；王洲洋（1984-），男，山西大同人，硕士研究生，从事应用数理统计研究。

基于主成分与BP 神经网络的中国能源安全预警研究
赵长城，王洲洋
（河北经贸大学，石家庄050061）
能源是人类社会赖以生存和发展的重要物质基础，能源是工业的粮食，是国民经济的命脉。

能源安全不仅关系到一
个国家的经济安全，也关系到军事、
政治安全，以及国家的社会稳定。

随着我国经济的高速增长，我国的能源需求量越来越大，我国经济社会发展对能源的信赖性也越来越强，能源是制约我国国民经济发展的瓶颈之一。

由于我国“多煤、少油、缺气”资源禀赋的原因，我国是世界上仅有的几个以煤炭为主要能源的国家之一，并由此带来了严重的生态破坏和环境污染。

长期以来，由于我国能源管理体制不完善，能源信息分散、能源数据不完整等，我国尚未建立起能够涵盖整个能源领域的预测预警系统，一旦能源安全出现问题，将对我国国民经济乃至我国社会的稳定发展产生重大的影响。

目前，我国已经开始重视能源的预警研究，但才刚刚起步，能源安全预警方面的研究文献相当少，而且研究多集中在定性的研究方法和简单的统计分析方法，对采用现代统计
分析的前沿性研究方法，如计量经济学、
高等时间序列分析等方法的还相对较少。

能源安全预警研究是个非常复杂的过程，需要进行全面综合的考虑。

随着我国能源问题的日趋突出，能源体系的逐渐完善，能源安全预警的研究必将成为关注的热点。

能源安全预警，是指对中国煤、石油、天然气等系统运行
过程中各项活动进行监测，对未来我国能源的运行趋势及安全状态进行分析和预测，提前发现可能出现的问题，为国民经济的正常运行和国家战略决策提供依据。

由于能源安全内涵的广泛性和复杂性，影响能源安全的因素很多，主要有资源因素、供给因素、消费因素、市场因素、军事因素等。

因此，能源安全预警涉及的指标很多，通过广泛查阅资料并咨询专家意见，本文分别从能源的资源安全、供
给安全、消费安全和市场安全四个方面来构建中国能源安全
预警指标体系，并确定了能够比较全面反映能源安全预警方面的30项指标。

1.BP 神经网络的基本原理
BP 神经网络是一种单向传播的多层次前向网络，BP 神经网络是一种具有三层或三层以上的神经网络，包括输入层、中间层（隐层）和输出层。

上下层之间实现全连接，而每层神经元之间无连接。

当一支学习样本提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。

接下来，按照减少目标输出与实际误差的方向，从输出层经过各中间层逐层修正各连接权值，最后回到输入层，这种算法称为“误差逆传播算法”，即BP 算法。

随着这种误差逆的传播修正不断进行，网络对输入模式响应的正确率也不断上升。

Robert.Hecht-Nielson 证明了对于任何一个在闭区间的连续函数都可以用一个隐含层的BP 神经网络来逼近，因而一个3层的BP 神经网络可以完成任意维数的映射。

2.网络参数的设置
本文使用M atlab2008a 软件中的神经网络工具箱，隐层
采用tansig 传递函数，
输出层采用purelin 函数，采用trainlm 训练函数来训练网络，以获得最快的收敛速度。

训练显示间隔为20，学习步长为0.3，动量项系数为0.95，最大训练次数
为300次，
目标误差为0.0001，最小梯度为，将实际输出值与测试集输出值进行比较，当误差在可以接受的范围内，说明此网络已达到要求，可以对中国的能源安全状况进行预警。

3.网络期望输出值的确定
网络期望输出值对应于系统的评价结果。

在神经网络的学习训练阶段，样本的期望输出值可由历史资料或通过一些统计的方法计算得出。

在本文中，输出变量应当是对应于我国每一年能源安全状况警度的判断，本文采用熵值法测算出
一、引言
二、
中国能源安全预警指标体系的构建三、基于BP 神经网络的中国能源安全预警研究
241——
[责任编辑冯胜利]
年份1995199619971998
安全度-0.6490.042-0.1090.695
年份1999200020012002
安全度1.2690.1720.6290.059
年份2003200420052006
安全度0.083-0.3070.054-0.947
年份2007
安全度-0.990
表21995—2007年中国能源安全度
中国能源安全预警系统煤炭子系统
石油子系统
天然气子系统
资源安全供给安全
消费安全
市场安全
资源安全
供给安全
消费安全
市场安全
资源安全供给安全
消费安全市场安全
煤炭储采比A 1煤炭库存率A 2生产增长率A 3
生产增长弹性系数A 4铁路运输满足率A 5
消费增长率A 6消费增长弹系数A 7煤炭消费强度A 8
百万吨产煤死亡率%A 9煤炭出厂价格增长率%A 10占能源消费的比重A 11
储采比B 1储量替代率B 2生产增长率B 3
生产增长弹性系数B 4对外依存度B 5
消费增长率B 6
消费增长弹性系数B 7石油消费强度B 8
国油石油价格B 9进口集中度B 10
占能源消费的比重B 11
储采比C 1储量替代率C 2生产增长率C 3
生产增长弹性系数C 4消费增长率C 5
消费增长弹性系数C 6国际天然气价格C 7占能源消费的比重C 8
表1中国能源安全预警指标体系
的1995—2007年中国能源安全度作为网络期望输出值①。

4.基于BP 神经网络的能源安全预警由于本文的样本量比较少，只有1995—2007年的数据，
而整个能源安全系统的指标较多（30个），这样直接运用BP
神经网络监测预警时，网络结构将会变得相当复杂，训练样
本不足，训练结果可能比较差，所以本文先将各能源子系统用主成分的方法筛选取几个主成分，这些主成分代表了原能源各子系统的大部分信息，以达到降维的目的，然后再运用BP 神经网络进行预警。

使用SAS8.0软件进行主成分分析，把煤炭、石油和天然气等三个子系统的30项指标降维成8个，使得结构得到简
化。

我们选择1995—2006年的数据作为训练集，2007年的数据作为测试集。

在M atlab2008a 中的神经网络工具箱中经过多次测试，隐节点数取4，建立3层神经网络，即网络结构为8-4-1。

网络在第5次即达到目标误差，达到2.0657e-009，说明了BP 神经网络在中国能源安全预警系统的性能是可靠的，可以对我国的能源安全形势进行有效的预警。

训练样本线性回归最佳拟合直线方程为，相关系数，表明训练网络良好。

反归一化后2007年输出值为-0.9901，与实际输出值-0.990几乎一样，表明该网络的泛化能力比较强，因此可以用来对中国能源安全进行预警分析。

1.由于能源安全问题中各系统间关系错综复杂，因此，
构建一个非常全面的能源安全预警指标体系是一件非常困难的事情。

本文初步建立了能够较为全面、科学而又可操作性强的中国能源安全的预警指标体系，该指标体系包含了煤
炭、
石油和天然气等三个子系统共30项指标。

2.本文采用BP 神经网络预警方法对我国能源安全状况进行了研究。

研究结果表明，BP 神经网络的方法在中国能源安全预警中具有优良的性能，可以运用BP 神经预警对我国能源安全进行有效预警。

3.由熵值法测算出的能源安全度可以看出，近年来我国能源安全度呈下降趋势，能源状况不容乐观。

能源安全问题关系到我国国家的稳定和国民经济的健康发展，我们应采取切实有效的措施，以保障我国能源的安全。

四、结束语
①本文由于篇幅原因，没有给出运用熵值法测算的过程。

242——。