共查询到19条相似文献,搜索用时 312 毫秒
1.
2.
针对现代电力系统负荷易受温度和日期类型(即工作日和休息日)影响的特点,将温度和日期类型作为预测模型的输入,建立了一个综合考虑各种因素,采用Elman反馈神经网络的短期负荷预测模型.由于Elman神经网络具有动态递归性能,可增强预测模型的适应性. 相似文献
3.
4.
5.
目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替。BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型(网络结构)进行了讨论。 相似文献
6.
BP算法较强的自学习能力使之可对短期电力负荷进行预测,将一种改进的BP神经网络学习算法应用于短期电力负荷预测中,该算法由于加入动量项修正权值阈值提高了BP神经网络本身的精度,使得预测结果具有更高的精度,算例验证了该算法处理短期电力系统负荷预测的高效性。 相似文献
7.
BP神经网络是一种常见的分类算法。但BP网络运算速度慢,而且容易陷入局部极小。文章通过增加动量因子避免了BP网络的局部极小,并利用可拓学的扩缩变换,改进了BP算法的训练停止区域,加快BP网络的收敛速度。文章在matlab70环境下进行了仿真测试,仿真结果显示,基于可拓神经网络的分类算法在收敛速度等方面有明显改善。 相似文献
8.
目前,在电力系统短期负荷预测的手段中,已由人工预测方式逐步被软件预测方式所代替.BP人工神经网络是最常用的建立负荷预测模型的工具之一,文章对建立电力负荷BP神经网络预测模型(网络结构)进行了讨论. 相似文献
9.
10.
集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。 相似文献
11.
支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS—SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。 相似文献
12.
将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。 相似文献
13.
14.
15.
16.
17.
负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。 相似文献
18.
This paper uses a mixture model that Long Short-Term Memory (LSTM) combines with Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) to forecast stock index price of Standard & Poor's 500 index (S&P500) and China Securities 300 Index (CSI300). CEEMDAN decomposes original data to obtain several IMFs and one residue. The LSTM forecasting model utilizes the decomposed data to obtain the prediction sequences. The prediction sequences are reconstructed to gain final prediction. The paper introduces contrast models such as Support Vector Machine (SVM), Backward Propagation (BP), Elman network, Wavelet Neural Networks (WAV) and their mixture models combined with the CEEMDAN. The MCS test is used as evaluation criterion and empirical results present that forecasting effects of CEEMDAN-LSTM is optimal in developed and emerging stock market. 相似文献
19.
货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。 相似文献