基于LSTM神经网络的LNG储量预测

余 杨，彭湘媛

（同济大学控制科学与工程系，上海 200092）

液化天然气（LNG）为当今世界发展最快的燃料之一。据预测，世界上的LNG 需求到2030年会比之前高出两倍［1-2］。近十几年来，我国LNG 消费的需求量飞速上升［3］，尤其是在东部地区和东南沿海等经济较为发达的区域，LNG在能源消费总值中的占比不断提升。根据中国可持续发展油气资源战略研究报告的预测，未来15年，我国LNG 需求量将出现指数增长，年均增速达10.8%，而LNG 生产量增长的速度却远低于需求增长速度，年增长率仅为7.5%，依赖进口的程度会越来越大［4］。

同时，LNG能源具有一定的不确定性，这也使整个产业面临着一定的挑战。要在市场中站稳脚跟，实现利益最大化，需要提前严格把控每月的LNG 储量，在不造成积压的前提下尽量满足市场需求。LNG销售公司需要综合考虑各种影响因素，对公司LNG 储量做出相应预测，提高经济效益，避免LNG 库存储量不够、满足不了市场需求，或是储量过剩但销售渠道不足［5］。

针对LNG 储量预测问题，本文首先阐述了针对实际天然气储量及影响因素的一些预处理方法，对影响因素的相关性进行了分析，运用互信息理论对影响因素进行筛选。然后利用LSTM 长短期记忆（Long Short Term Memory）神经网络［6］对LNG储量进行了预测并对模型进行优化，检验了预测结果的准确度和变化趋势，最后与传统预测方法——灰度预测［7］对比，验证LSTM模型的正确性和可行性。

1 基于互信息的相关因素分析

根据实际调研，影响LNG 储量的因素有LNG 储罐大小、运营水平、市场价格、美元兑人民币汇率、通航能力、码头能力和天气等。……