排序方式: 共有52条查询结果,搜索用时 0 毫秒
31.
32.
33.
34.
35.
36.
针对BP神经网络方法制约短期电力负荷预测精度的问题,提出一种基于迭代误差补偿的核极端学习机(KELM-IEC)预测模型。首先,建立短期电力负荷预测模型的输入指标体系,选择月份、日期、星期、周数、是否为节假日、日平均气温、前一日的最大负荷量等影响电力负荷的7个因素作为预测模型的输入;其次,基于新型神经网络模型--核极端学习机(KELM),建立负荷预测模型,引入支持向量机(SVM)的核函数映射作为极端学习机(ELM)的隐含层节点映射,有效结合ELM结构简单、训练简便与SVM泛化能力强的优势,提高负荷预测精度;最后,基于时间序列预测中迭代误差补偿(IEC)技术,建立IEC模型,再次利用KELM对负荷预测模型的预测误差进行学习,从而对预测结果进行补偿和修正,进一步减小模型预测误差,提高预测性能。采用两组实际电力负荷数据进行仿真实验,其中,KELM-IEC模型与BP神经网络模型相比,平均绝对百分误差(MAPE)分别降低了74.39%和34.73%,最大绝对误差(ME)分别降低了58.34%和39.58%;同时与KELM模型相比,平均绝对百分误差分别降低了18.60%和4.29%,最大绝对误差分别降低了0.08%和11.21%,说明误差补偿策略的必要性。实验结果表明,KELM-IEC预测模型能够有效地提高短期电力负荷预测的精度,有利于改善电力系统的计划、运营和管理,保障生产和生活用电,提高经济效益和社会效益。 相似文献
37.
水电工程技术复杂,工期长,施工进度计划十分复杂,用传统方法描述难以达到形象直观的目的。利用地理信息系统(GIS)的空间建模以及数据处理技术和三维可视化功能,实现了基于施工进度计划的工程三维动态模拟,为工程施工计划的编制提供了技术支持,对提高工程的研究和决策水平有重要的意义。 相似文献
38.
39.
40.
基于GIS水电站施工进度三维可视化模拟 总被引:2,自引:0,他引:2
水电工程技术复杂,工期长,施工进度计划亦十分复杂,用传统方法描述难以达到形象直观的目的.利用地理信息系统(GIS)的空间建模及数据处理技术和三维可视化功能,实现了基于施工进度计划的工程三维动态模拟,为工程施工计划的编制提供了技术支持,对提高工程的研究和决策水平有重要的意义. 相似文献