共查询到20条相似文献,搜索用时 62 毫秒
1.
模糊神经网络在电力短期负荷预测中的应用 总被引:5,自引:1,他引:5
提出用于电力短期负荷预测(SILF)的一种模糊神经网络(FNN)方法,该方法针对BP网络收敛速度慢、易导致局部极小值的缺点,将考虑气候、温度、星期类型等影响因素的模糊技术与快速二阶BP网络相结合,并以南方电网负荷预测为例,应用MATLAB蚀语言对系统进行仿真训练,测试结果表明,该方法具有较高的预测精度。 相似文献
2.
3.
在电力市场下的短期负荷预测问题中,考虑到天气和其它影响因素,将模糊系统与神经网络在负荷预测系统中按串联方式连接组成模糊神经网络(FNN),进行短期负荷预测。在负荷预测过程中,首先对负荷、天气、日期等数据进行模糊化处理,然后采用两种典型有效的改进BP算法对神经网络进行训练,并比较其速度与精度等。最后用训练好的网络进行预测,将预测结果与实际数据进行比较,证明其具有较好的预测效果。 相似文献
4.
本文分析了天气和节假日对电力负荷的影响 ,建立了神经网络和模糊逻辑相结合的综合预测模型进行短期负荷预测。预测结果经两步得出 ,首先训练神经网络 ,令其预测基本日负荷曲线 ,然后利用模糊逻辑根据天气因素以及是否节假日等情况对负荷曲线进行修正 ,使其在天气突变等情况下也能达到较高的预测精度。采用此模型对石家庄电力系统负荷进行预测分析 ,取得了令人满意的结果。 相似文献
5.
6.
张丽 《计算机技术与发展》2005,15(10)
在电力市场下的短期负荷预测问题中,考虑到天气和其它影响因素,将模糊系统与神经网络在负荷预测系统中按串联方式连接组成模糊神经网络(FNN),进行短期负荷预测.在负荷预测过程中,首先对负荷、天气、日期等数据进行模糊化处理,然后采用两种典型有效的改进BP算法对神经网络进行训练,并比较其速度与精度等.最后用训练好的网络进行预测,将预测结果与实际数据进行比较,证明其具有较好的预测效果. 相似文献
7.
8.
本文用递归神经网络逼近非线性ARMA模型预测电力短期负荷。与传统方法以及前馈神经网格方法比较,递归神经网络由于其能自学习逼近非线性ARMA模型而具有较高的预测精度,预测方法也比较简单。这在我国电力供应紧张的情况下,对提高我国的电力负荷预测水平,合理安排电力生产计划具有一定的现实意义。 相似文献
9.
10.
11.
12.
广义动态模糊神经网络用于股市预测 总被引:1,自引:0,他引:1
提出一种用广义动态模糊神经网络预测股票价格的方法,网络结构可随模糊规则在学习过程中逐渐增长而自动调节,以达到预测最优化.通过选用实用的技术参数指标作为网络的输入变量对上证指数的收盘价进行预测,取得了较为理想的效果. 相似文献
13.
基于改进粒子群算法的模糊神经网络及其在短时天气预报中的应用 总被引:1,自引:0,他引:1
提出一种基于改进粒子群模糊神经网络进行短时天气预测的方法,将粒子群算法与模糊人工神经网络进行融合,充分发挥粒子群算法全局寻优的优势。以上海地区天气预报作为实例,建立了基于改进粒子群算法的多模型模糊神经网络预报模型,试验结果表明该方法对于短时天气预报具有较好的准确度,得到了上海中心气象台有关专家的肯定。 相似文献
14.
采用径向基RBF神经网络对网络流量数据的时间序列进行建模与预测。采用传统的学习算法对RBF网络训练时,对网络流量数据容易出现过拟合现象,提出了自适应量子粒子群优化AQPSO算法,用于训练RBF神经网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改善了RBF神经网络的泛化能力。实验结果表明,采用AQPSO算法获得的RBF神经网络模型具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。 相似文献
15.
本文根据模糊基函数展开的性质构造出一种简化形式的模糊神经元网络(FNN)。这种网络可以对任一种非线性函数进行全局逼近,因此它可以用于非线性控制系统。因为这种FNN具有自适应性,所以用它实现的器可以更好地达到理想的控制效果,通过在模型参控制中的应用证明了此种FNN的有效怀。 相似文献
16.
17.
18.
单体模糊神经网络的函数逼近能力 总被引:14,自引:1,他引:13
研究了单体模糊神经网络的函数逼近能力,由于在MFNNs中神经元的基本运算由原来的积-和运算改为求极小-极大运算,网络的函数逼近性质发生了很大的改变。给出了单调传递函数的MFNNs按序单调特性,连续映射定理以及非函数一致逼近定理,从而说明MFNNs虽然能够保持连续映射,但不如原神经网络具有函数逼近能力。 相似文献
19.
20.
新激活函数下前馈型神经网络及其在天气预报中的应用 总被引:8,自引:0,他引:8
本文为提高基于BP算法的人工神经元网络的学习速度,提出新组合激活函数并取得了显著效果的基础上,又应用于天气预报中,并与基于BP算法的神经网络(标准和带动量项)以及多自适应性单元的神经元网络进行仿真比较,在预报准确纺和学习速度方面获得了令人比较温度的结果,本模拟程序在Turbo-Pascal/6.0环境下编制,在IBM PC386和486机器上调试通过并运行。 相似文献