电网技术

2009, v.33;No.305(12) 101-105

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于BP与RBF级联神经网络的日负荷预测
A Daily Load Forecasting Method Based on Cascaded Back Propagation and Radial Basis Function Neural Networks

陈刚;周杰;张雪君;张忠静;

摘要(Abstract):

在采用分段预测方法的基础上,利用小规模BP(back propagation)神经网络学习时间短和径向基函数(radial basis function,RBF)神经网络自身训练速度快的优点,提出了基于BP和RBF网络的级联神经网络日负荷预测模型,将影响日负荷变化的非负荷因素(气象、日类型等)与历史负荷因素分别加入BP和RBF网络中分开考虑,进一步简化了预测模型。计算实例表明,该模型较一般级联神经网络模型收敛更快速、高效,预测精度有了很大提高。

关键词(KeyWords): 日负荷预测;BP神经网络;径向基函数神经网络;级联神经网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 陈刚;周杰;张雪君;张忠静;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享