计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2011年
10期
180-183
,共4页
天燃气%负荷预测%人工神经网络
天燃氣%負荷預測%人工神經網絡
천연기%부하예측%인공신경망락
研究天燃气负荷预测问题,由于天燃气负荷受人口增多用量增大及天气、季节、节假日等因素影响,具有周期性和随机性的变化规律,形成一种非线性特性,传统预测方法无法进行准确的预测,预测精度比较低.为了提高天燃气负荷的预测精度,提出一种基于RBF神经网络的天燃气负荷预测方法.首先对天燃气负荷历史数据进行预处理,剔掉一些异常的数据,然后将数据输入到RBF神经网络中学习,采用遗传算法对RBF神经网络参数进行优化,从而建立最优的天燃气负荷预测模型.采用某企业的天燃气负荷数据对模型的性能进行验证,实验结果表明,相对于传统预测方法,RBF神经网络提高了天燃气负荷预测精度,是一种较好的天燃气预测方法.
研究天燃氣負荷預測問題,由于天燃氣負荷受人口增多用量增大及天氣、季節、節假日等因素影響,具有週期性和隨機性的變化規律,形成一種非線性特性,傳統預測方法無法進行準確的預測,預測精度比較低.為瞭提高天燃氣負荷的預測精度,提齣一種基于RBF神經網絡的天燃氣負荷預測方法.首先對天燃氣負荷歷史數據進行預處理,剔掉一些異常的數據,然後將數據輸入到RBF神經網絡中學習,採用遺傳算法對RBF神經網絡參數進行優化,從而建立最優的天燃氣負荷預測模型.採用某企業的天燃氣負荷數據對模型的性能進行驗證,實驗結果錶明,相對于傳統預測方法,RBF神經網絡提高瞭天燃氣負荷預測精度,是一種較好的天燃氣預測方法.
연구천연기부하예측문제,유우천연기부하수인구증다용량증대급천기、계절、절가일등인소영향,구유주기성화수궤성적변화규률,형성일충비선성특성,전통예측방법무법진행준학적예측,예측정도비교저.위료제고천연기부하적예측정도,제출일충기우RBF신경망락적천연기부하예측방법.수선대천연기부하역사수거진행예처리,척도일사이상적수거,연후장수거수입도RBF신경망락중학습,채용유전산법대RBF신경망락삼수진행우화,종이건립최우적천연기부하예측모형.채용모기업적천연기부하수거대모형적성능진행험증,실험결과표명,상대우전통예측방법,RBF신경망락제고료천연기부하예측정도,시일충교호적천연기예측방법.
