基于机器学习的我国天然气进口量预测及其运输安全评价OA北大核心

天然气作为一种高效、低碳、清洁的化石能源,具有易存储、运输和储量丰富的特性,被视为其他化石能源的最佳替代品之一。在确保我国天然气供应的连续性及实现碳达峰与碳中和目标的过程中,准确预测我国天然气进口量并对其运输安全进行评价显得尤为关键。针对单一特征选择方法特征筛选结果不稳定的问题,本文提出了一种基于多属性决策的特征选择方法,并根据特征选择结果建立高斯过程回归模型对我国天然气进口量进行预测。同时,提出了一种结合熵权与t-SNE降维的K均值聚类模型,并将其应用于评估我国天然气进口运输安全。结果表明:本文所提出的基于多属性决策的特征选择方法所得到的特征重要程度排序更加稳定,对我国天然气进口量影响最大的3个指标分别是:能源消费总量中天然气占比、居民消费水平和国内天然气管道长度;高斯过程回归模型对我国天然气进口量预测的绝对百分比误差均在5%以下,预测精度高;与传统t-SNE降维相比,结合熵权的t-SNE降维方法具有更低的KL散度,其降维结果更贴近原始数据的分布;结合熵权与t-SNE降维的K均值聚类结果可信度更高,我国进口天然气运输安全状态越来越好,并且对其影响最大的3个指标分别是:自有船队运力供给、管道气年运输量和LNG年运输量。