湖南师范大学自然科学学报
湖南師範大學自然科學學報
호남사범대학자연과학학보
ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS NORMALIS HUNANENSIS
2011年
5期
26-31
,共6页
电力系统%负荷预测%主成分分析%遗传算法%BP神经网络
電力繫統%負荷預測%主成分分析%遺傳算法%BP神經網絡
전력계통%부하예측%주성분분석%유전산법%BP신경망락
针对BP神经网络的两个主要缺点,网络训练速度慢,对初始权值阈值敏感,容易陷入局部极小点,本文利用多元统计分析的主成分分析方法(Principal components analysis,PCA),在不损失原始负荷数据主要信息的前提下提取负荷数据的主成分,有效地减少了预测模型的输入量.同时将遗传算法(GA)与BP神经网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.实验结果表明,该方法提高了预测精度,得到了较好的预测结果.
針對BP神經網絡的兩箇主要缺點,網絡訓練速度慢,對初始權值閾值敏感,容易陷入跼部極小點,本文利用多元統計分析的主成分分析方法(Principal components analysis,PCA),在不損失原始負荷數據主要信息的前提下提取負荷數據的主成分,有效地減少瞭預測模型的輸入量.同時將遺傳算法(GA)與BP神經網絡結閤,利用GA的全跼搜索優化BP網絡的結構參數,有效剋服BP算法的跼部收斂等問題.實驗結果錶明,該方法提高瞭預測精度,得到瞭較好的預測結果.
침대BP신경망락적량개주요결점,망락훈련속도만,대초시권치역치민감,용역함입국부겁소점,본문이용다원통계분석적주성분분석방법(Principal components analysis,PCA),재불손실원시부하수거주요신식적전제하제취부하수거적주성분,유효지감소료예측모형적수입량.동시장유전산법(GA)여BP신경망락결합,이용GA적전국수색우화BP망락적결구삼수,유효극복BP산법적국부수렴등문제.실험결과표명,해방법제고료예측정도,득도료교호적예측결과.