黑龙江科技信息
黑龍江科技信息
흑룡강과기신식
HEILONGJIANG SCIENCE AND TECHNOLOGY INFORMATION
2010年
24期
77
,共1页
中长期电力负荷预测%极限学习机%神经网络
中長期電力負荷預測%極限學習機%神經網絡
중장기전력부하예측%겁한학습궤%신경망락
根据神经网络的非线性辨识能力和极限学习机(ELM)的高计算速度、高泛化能力等特点,提出一种批处理和逐次迭代相结合的改进极限学习机方法.实验结果表明,改进的极限学习机方法应用于中长期的电力负荷预测中,比传统的极限学习机效果更优.
根據神經網絡的非線性辨識能力和極限學習機(ELM)的高計算速度、高汎化能力等特點,提齣一種批處理和逐次迭代相結閤的改進極限學習機方法.實驗結果錶明,改進的極限學習機方法應用于中長期的電力負荷預測中,比傳統的極限學習機效果更優.
근거신경망락적비선성변식능력화겁한학습궤(ELM)적고계산속도、고범화능력등특점,제출일충비처리화축차질대상결합적개진겁한학습궤방법.실험결과표명,개진적겁한학습궤방법응용우중장기적전력부하예측중,비전통적겁한학습궤효과경우.
