一种基于ALR-LSTM模型的城市中长期天然气需求预测方法

本发明涉及一种基于ALR‑LSTM模型的城市中长期天然气需求预测方法。该方法依托学习率动态变化的LSTM深度学习模型，利用城市历史的天然气需求数据和日均气温，综合考虑季节、月份以及节假日的影响下，通过对深度学习模型的损失函数进行优化，建立了更符合天然气需求预测的实际要求预测模型。此外，本发明还建立了模型预测效果的评价方法，以明确判别模型预测效果的优劣，从而为天然气供应单位和政府主管部门制定采购策略及应急处置程序提供技术支持。