计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
6期
2262-2266,2276
,共6页
初始参数%小波变换%小波神经网络%工具箱%短期负荷%预测
初始參數%小波變換%小波神經網絡%工具箱%短期負荷%預測
초시삼수%소파변환%소파신경망락%공구상%단기부하%예측
initial parameter%wavelet transform%wavelet network%toolbox%short-term electric load%prediction
针对小波分解预测方法中高频随机序列预测精度低的问题,采用一种自行开发的小波神经网络工具箱进行预测,该方法既有小波函数信号特征提取能力,又有BP神经网络工具箱快速、方便、鲁棒性强等特点,同时给出了神经网络初始化方法.该方法的显著特点是简捷、快速、实用性强,可以克服非平稳信号预测及大批量数据的训练问题,对推广小波神经网络的应用具有重要意义.对短期电力负荷预测的仿真实验结果表明,该方法绝对平均精度达到1％以上,并具有较高的预测效率.
針對小波分解預測方法中高頻隨機序列預測精度低的問題,採用一種自行開髮的小波神經網絡工具箱進行預測,該方法既有小波函數信號特徵提取能力,又有BP神經網絡工具箱快速、方便、魯棒性彊等特點,同時給齣瞭神經網絡初始化方法.該方法的顯著特點是簡捷、快速、實用性彊,可以剋服非平穩信號預測及大批量數據的訓練問題,對推廣小波神經網絡的應用具有重要意義.對短期電力負荷預測的倣真實驗結果錶明,該方法絕對平均精度達到1％以上,併具有較高的預測效率.
침대소파분해예측방법중고빈수궤서렬예측정도저적문제,채용일충자행개발적소파신경망락공구상진행예측,해방법기유소파함수신호특정제취능력,우유BP신경망락공구상쾌속、방편、로봉성강등특점,동시급출료신경망락초시화방법.해방법적현저특점시간첩、쾌속、실용성강,가이극복비평은신호예측급대비량수거적훈련문제,대추엄소파신경망락적응용구유중요의의.대단기전력부하예측적방진실험결과표명,해방법절대평균정도체도1％이상,병구유교고적예측효솔.
