摘 要：基于我国 2001—2019 年城市热水供热能力，使用灰色预测系统中的原始差分 GM（1，1）模型（ODGM）对未来4 年的城市热水供热能力进行预测，为了判断预测效果的好坏，同时又使用了 NAR 神经网络预测模型对数据进行预测，最终得出，使用灰色预测模型的平均相对残差为 6.00%，NAR 神经网络预测模型的平均相对残差为 6.89%，通过对比发现，灰色预测模型能更好地拟合城市热水供热能力数据，预测精度更高。
关键词：城市热水供热能力；灰色预测；NAR 神经网络预测；平均相对残差
DOI:10.19850/j.cnki.2096-4706.2022.10.044
基金项目：山东华宇工学院 2020 年度教育教学改革研究项目（2020JG42）
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2022）10-0174-04
Prediction of Urban Hot Water Heating Capacity Based on GM (1,1) Model and NAR Neural Network
LIU Shuang
(Shandong Huayu University of Technology, Dezhou 253034, China)
Abstract: Based on China's urban hot water heating capacity from 2001 to 2019, the original difference GM (1,1) model (ODGM) in the grey prediction system is used to predict the urban hot water heating capacity in the next four years. In order to judge the prediction effect, the NAR neural network prediction model is used to predict the data. Finally, it is concluded that the average relative residual of the grey prediction model is 6.00%, the average relative residual of NAR neural network prediction model is 6.89%. Through comparison, it is found that the grey prediction model can better fit the data of urban hot water heating capacity, it's prediction accuracy is higher.
Keywords: urban hot water heating capacity; grey prediction; NAR neural network prediction; average relative residual
参考文献：
[1] 高志峰 . 民用建筑热水集中采暖与供热系统节能设计研究[J]. 绿色环保建材，2017（5）：25.
[2] 刘思峰 . 灰色系统理论及其应用（第八版） [M]. 科学出版社，2017.
[3] 马元鑫，宋严 . 灰色 GM（1，1）模型在专利申请量预测中的应用 [J]. 长春师范大学学报，2021，40（8）：43-47.
[4] 邹方政，王莉 . 基于 GM（1，1）模型的四川省“十四五”能源消费预测 [J]. 节能，2021，40（8）：62-64.
[5] 余缜，李军 . 基于 NAR 神经网络的船舶运动姿态短期预测 [J]. 计算机与数字工程，2021，49（7）：1346-1349.
[6] 舒服华 . 基于 NA Ｒ神经网络的河南省小麦产量预测 [J].许昌学院学报，2019，38（5）：118-122.
作者简介：刘双（1988—），女，汉族，山东德州人，讲师，硕士研究生，研究方向：应用统计分析。