Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego

• Autorzy: Szoplik J.

Warianty tytułu

EN

Application of Artificial Neural Networks for load prediction in a gas pipeline network

• Języki publikacji: PL

Abstrakty

PL

Zaproponowano zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci gazowej przykładowego miasta w Polsce, biorąc pod uwagę czynniki pogodowe oraz kalendarzowe. Na podstawie rzeczywistych danych wejściowych wytrenowano wiele sieci neuronowych, różniących się liczbą neuronów w warstwie ukrytej i zaproponowano najlepszą strukturę sieci neuronowej, która zależy od liczności zbioru danych wejściowych. Otrzymane modele sieci mogą być z powodzeniem stosowane w praktyce.

EN

Application of Artificial Neural Network for load prediction in a gas pipeline network in an exemplary Poland city taking into account weather and calendar factors is proposed in the paper. Based on real data, a number of neural networks with a various number of neurons in hidden layer were trained. The best neural network structure depending on a number of initial data sets was proposed. The obtained network models can be successfully applied in practice.

Słowa kluczowe

PL

sztuczne sieci neuronowe; prognozowanie; obciążenie sieci gazowej

EN

artificial neural network; forecasting; load of gas pipeline network

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Inżynieria i Aparatura Chemiczna
• Rocznik: 2013
• Tom: Nr 6
• Strony: 572--574
• Opis fizyczny: Bibliogr. 2 poz., rys.

Twórcy

autor

Szoplik J.

• Instytut Inżynierii Chemicznej i Procesów Ochrony Środowiska, Wydział Technologii i Inżynierii Chemicznej, Zachodniopomorski Uniwersytet Technologiczny, Szczecin

Bibliografia

• 1. Daponte P., Grimaldi D., 1998. Artificial neural network in measurements. Measurements, 23. 93-115. DOI: 10.1016/S0263-2241(98)00013-X
• 2. Soldo В., 2012. Forecasting natural gas consumption. Appl. Energy, 92, 26-37. DOI: 10.1016/j.apenergy.2011.11.003