天津工业大学学报
天津工業大學學報
천진공업대학학보
JOURNAL OF TIANJIN POLYTECHNIC UNIVERSITY
2012年
4期
68-71
,共4页
张欣%修春波%刘新婷%于婷婷
張訢%脩春波%劉新婷%于婷婷
장흔%수춘파%류신정%우정정
神经网络%迟滞%风速时间序列%预测
神經網絡%遲滯%風速時間序列%預測
신경망락%지체%풍속시간서렬%예측
为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.
為瞭改善風速時間序列的預測性能,提齣瞭一種基于遲滯神經網絡的預測方法.通過改變神經元激勵函數的方式將遲滯特性引入神經網絡中,以增彊歷史輸入對噹前響應的影響,從而提高有用信息的利用率,提高風速時間序列的預測性能;藉助于相空間重構理論構造風速預測訓練樣本,採用梯度下降法對網絡權值進行訓練,利用遺傳算法對遲滯參數進行優化.倣真結果錶明:與傳統神經網絡及ARMA模型等方法相比,遲滯神經網絡能夠有效減小風速時間序列的預測誤差,提高預測性能.
위료개선풍속시간서렬적예측성능,제출료일충기우지체신경망락적예측방법.통과개변신경원격려함수적방식장지체특성인입신경망락중,이증강역사수입대당전향응적영향,종이제고유용신식적이용솔,제고풍속시간서렬적예측성능;차조우상공간중구이론구조풍속예측훈련양본,채용제도하강법대망락권치진행훈련,이용유전산법대지체삼수진행우화.방진결과표명:여전통신경망락급ARMA모형등방법상비,지체신경망락능구유효감소풍속시간서렬적예측오차,제고예측성능.