江苏电机工程
江囌電機工程
강소전궤공정
JIANGSU ELECTRICAL ENGINEERING
2014年
5期
21-24,27
,共5页
刘亚南%卫志农%季聪%唐一铭%都晨
劉亞南%衛誌農%季聰%唐一銘%都晨
류아남%위지농%계총%당일명%도신
BP神经网络%支持向量机网络%D-S证据理论%母线负荷预测
BP神經網絡%支持嚮量機網絡%D-S證據理論%母線負荷預測
BP신경망락%지지향량궤망락%D-S증거이론%모선부하예측
基于D-S证据理论,提出一种母线负荷预测新方法.该方法对BP神经网络、改进的BP神经网络和支持向量机(SVM)的母线负荷预测模型分别建立权重提取和权重融合模型,并运用D-S证据理论对3种预测模型的权重进行融合.通过对预测数据进行分析,提取证据理论样本,并将可信度函数的融合结果作为母线负荷预测模型的权重,最终得到待预测日的母线负荷预测结果.仿真结果表明,与单一的母线负荷预测模型相比,经D-S证据理论融合的母线负荷预测模型更有效,也具有更高的预测精度.
基于D-S證據理論,提齣一種母線負荷預測新方法.該方法對BP神經網絡、改進的BP神經網絡和支持嚮量機(SVM)的母線負荷預測模型分彆建立權重提取和權重融閤模型,併運用D-S證據理論對3種預測模型的權重進行融閤.通過對預測數據進行分析,提取證據理論樣本,併將可信度函數的融閤結果作為母線負荷預測模型的權重,最終得到待預測日的母線負荷預測結果.倣真結果錶明,與單一的母線負荷預測模型相比,經D-S證據理論融閤的母線負荷預測模型更有效,也具有更高的預測精度.
기우D-S증거이론,제출일충모선부하예측신방법.해방법대BP신경망락、개진적BP신경망락화지지향량궤(SVM)적모선부하예측모형분별건립권중제취화권중융합모형,병운용D-S증거이론대3충예측모형적권중진행융합.통과대예측수거진행분석,제취증거이론양본,병장가신도함수적융합결과작위모선부하예측모형적권중,최종득도대예측일적모선부하예측결과.방진결과표명,여단일적모선부하예측모형상비,경D-S증거이론융합적모선부하예측모형경유효,야구유경고적예측정도.
