计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2011年
5期
107-110
,共4页
BP神经网络%遗传算法%Bagging方法%负荷顶测
BP神經網絡%遺傳算法%Bagging方法%負荷頂測
BP신경망락%유전산법%Bagging방법%부하정측
负荷预测是电力规划的基础,传统的神经网络顶测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点.文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经Bagging方法集成,目的是提高其准确率.通过Matlab仿真进行实验,结果表明,基于Bagging算法集成遗传神经网络,能够克服传统BP神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度.
負荷預測是電力規劃的基礎,傳統的神經網絡頂測方法存在對初始網絡權值設置敏感、收斂的速度慢、容易陷入跼部極小值等缺點.文中引入遺傳算法先對神經網絡的初始值進行優化,再通過神經網絡進行學習和訓練,得齣的結果再經Bagging方法集成,目的是提高其準確率.通過Matlab倣真進行實驗,結果錶明,基于Bagging算法集成遺傳神經網絡,能夠剋服傳統BP神經網絡的缺點,可較快收斂又不易陷入到跼部極值中,具有較彊的汎化能力,同時也大大提高瞭網絡的預測精度.
부하예측시전력규화적기출,전통적신경망락정측방법존재대초시망락권치설치민감、수렴적속도만、용역함입국부겁소치등결점.문중인입유전산법선대신경망락적초시치진행우화,재통과신경망락진행학습화훈련,득출적결과재경Bagging방법집성,목적시제고기준학솔.통과Matlab방진진행실험,결과표명,기우Bagging산법집성유전신경망락,능구극복전통BP신경망락적결점,가교쾌수렴우불역함입도국부겁치중,구유교강적범화능력,동시야대대제고료망락적예측정도.
