上海海事大学学报
上海海事大學學報
상해해사대학학보
JOURNAL OF SHANGHAI MARITIME UNIVERSITY
2005年
3期
64-67
,共4页
黄家圣%谢卫%李军军%孙凌燕
黃傢聖%謝衛%李軍軍%孫凌燕
황가골%사위%리군군%손릉연
自适应神经网络%短期负荷预测%Boosting算法
自適應神經網絡%短期負荷預測%Boosting算法
자괄응신경망락%단기부하예측%Boosting산법
提出一种改进的多神经网络集成自适应Boosting回归算法,算法中引入"早停规则"和"噪声扰动".利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型.结果表明,与传统的单网络预测模型相比,Boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度.
提齣一種改進的多神經網絡集成自適應Boosting迴歸算法,算法中引入"早停規則"和"譟聲擾動".利用這種方法對電力繫統日負荷預測進行相關的研究,進而採用美國加州電力市場的實際數據,構造相應的預測模型.結果錶明,與傳統的單網絡預測模型相比,Boosting多網絡集成預測模型能顯著提高模型輸齣的穩定性,穫得更高的預測精度.
제출일충개진적다신경망락집성자괄응Boosting회귀산법,산법중인입"조정규칙"화"조성우동".이용저충방법대전력계통일부하예측진행상관적연구,진이채용미국가주전력시장적실제수거,구조상응적예측모형.결과표명,여전통적단망락예측모형상비,Boosting다망락집성예측모형능현저제고모형수출적은정성,획득경고적예측정도.
