共查询到20条相似文献，搜索用时 234 毫秒
1.
电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。 相似文献
2.
危锋 《荆门职业技术学院学报》2014,(2):49-54
网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。 相似文献
3.
为了提高混凝土抗压强度预测精度,利用改进果蝇优化算法(IFOA)优化RBF神经网络的参数Spread值,建立IFOA-RBF预测模型用于混凝土抗压强度预测。模型以UCI数据库中的Concrete Compressive Strength数据集为例,以每立方混凝土中的水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为网络输入,混凝土抗压强度值作为网络输出,进行仿真测试,并将结果与参考文献中的其它方法比较。结果表明:优化后的RBF网络既体现了广泛映射能力,又明显地提高了网络的泛化能力。验证了IFOA-RBF模型在混凝土抗压强度预测中的有效性。 相似文献
4.
郑凤霞 《乐山师范学院学报》2013,(12):6-9
结合RBF网络模型和ARIMA模型预测的优点,构建基于RBF网络模型和ARIMA模型的混合模型,对四川省高等教育规模预测问题进行研究。采用构建ARIMA模型得出的预测值对RBF网络模型的预测值进行修正,提高了区域高等教育规模预测的精度。 相似文献
5.
文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。 相似文献
6.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
7.
神经网络在股市预测中的应用 总被引：1，自引：1，他引：0
针对股票市场的非线性、复杂性等特点,研究了RBF神经网络在股票价格预测中的作用,利用基于人工免疫遗传算法的BP神经网络对模型进行改进.提高了模型预测能力以及精度.并选取了上证180指数7年的数据进行了精度对比. 相似文献
8.
9.
多因素时间序列预测是时间序列数据挖掘的一个重要分支,被广泛地应用于各种领域.文中利用灰色关联分析(GRA)和主成分分析(PCA)对RBF网络的输入空间进行降维重构,选取与输出变量关联度相对大的影响因素,并消除各因素之间相关性,解决了RBF网络在多因素时间序列预测模型设计中的影响因素约简问题.通过粮食产量实例仿真,验证了模型的有效性. 相似文献
10.
为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。 相似文献
11.
针对传统的单个RBF神经网络集成中个体的隐节点个数和初始参数难以客观确定的不足,为了提高泛化能力,提出一种以高斯核函数的混合优化的RBF神经网络的方法,首先引入正交最小二乘法动态客观的获取数据中心的个数、数据中心及权值;然后通过计算隐层中心点间最小距离作为扩展常数;最后使用剃度法调节权值、中心及扩展常数使网络参数和结构达到最优.该方法结合了正交最小二乘法和剃度算法的优点,通过从结构和算法两方面的调整提升了单个的传统的RBF网络的性能.并将上述优化混合的RBF神经网络与主成分分析方法相结合建立模型.本文以广西5月逐日降水事先初选的众多预报因子进行主成分分析算法提取有效的几个综合因子,然后使用混合算法优化的径向基网络建立降水预测模型.结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报,具有一定的普遍适用性. 相似文献
12.
Great efforts have been made to resolve the serious environmental pollution and inevitable declining of energy resources. A review of Chinese fuel reserves and engine technology showed that compressed natural gas (CNG)/diesel dual fuel engine (DFE) was one of the best solutions for the above problems at present. In order to study and improve the emission performance of CNG/diesel DFE, an emission model for DFE based on radial basis function (RBF) neural network was developed which was a black-box input-output training data model not require priori knowledge. The RBF centers and the connected weights could be selected automatically according to the distribution of the training data in input-output space and the given approximating error. Studies showed that the predicted results accorded well with the experimental data over a large range of operating conditions from low load to high load. The developed emissions model based on the RBF neural network could be used to successfully predict and optimize the emissions performance of DFE. And the effect of the DFE main performance parameters, such as rotation speed, load, pilot quantity and injection timing, were also predicted by means of this model. In resume, an emission prediction model for CNG/diesel DFE based on RBF neural network was built for analyzing the effect of the main performance parameters on the CO, NOx emissions of DFE. The predicted results agreed quite well with the traditional emissions model, which indicated that the model had certain application value, although it still has some limitations, because of its high dependence on the quantity of the experimental sample data. 相似文献
13.
汪丽萍 《河北软件职业技术学院学报》2008,10(2)
电力工业是国民经济的基础产业,全社会对电力的依赖程度越来越高,做好电力负荷预测,有利于经济和社会的全面发展。本文将利用西北地区历年用电量和发电量的数据,结合灰色预测方法,对近四年的用电量和发电量进行分析和预测。 相似文献
14.
1 Ｉｎｔｒｏｄｕｃｔｉｏｎ ＳｈａｎｇｈａｉｉｓｔｈｅｌａｒｇｅｓｔｉｎｄｕｓｔｒｉａｌｃｉｔｙｉｎＣｈｉｎａ ,ａｎｄｉｔｓｅｌｅｃｔｒｉｃｌｏａｄａｎｄｐｏｗｅｒｃｏｎｓｕｍｐｔｉｏｎｔａｋｅｕｐａｇｒｅａｔｐｅｒｃｅｎｔａｇｅｏｆｔｈｅｎａｔｉｏｎａｌｔｏｔａｌ.Ｎｅｖｅｒｔｈｅｌｅｓｓｔｈｅｓｉｔｕａ ｔｉｏｎｈａｓｂｅｅｎｃｈａｎｇｉｎｇｇｒｅａｔｌｙｅｖｅｒｓｉｎｃｅｔｈｅｒｅｆｏｒｍ .Ｏｎｏｎｅｈａｎｄ ,ｔｈｅｅｃｏｎｏｍｉｃｃｏｎｄｉｔｉｏｎｓａｎｄｔｈｅｌｉｖｉｎｇｓｔａｎｄａｒ… 相似文献
15.
李昂 《南阳师范学院学报》2007,6(6):71-73
将一种基于聚类算法的RBF(径向基函数)神经网络方法运用于入侵检测中。在这种方法中采用两阶段学习方法,在利用非监督学习算法确定网络隐层中心时,提出一种基于高斯基的距离度量,并联合输入输出聚类的策略。基于F isher可分离率设计高斯基距离量度中的惩罚因子,可以提高聚类的性能。通过构建入侵检测模型,一方面可以加速网络训练速度,另一方面可以提高入侵检测在预测误报漏报中的性能。 相似文献
16.
介绍目前电力系统常用的中长期负荷预测的方法,根据邯郸地区1990-1999年的用电量,用各预测方法分别预测出了2000-2003年的用电量,并与实际用电量相比较,对预测结果进行了分析。证明组合预测模型总体上优于传统的单一固定式模型,是提高预测精度简单而有效的方法。 相似文献
17.
负荷预测是电力系统规划、计划、用电、调度等部门的基础工作,电力负荷是影响电网寿命和可靠度的一个重要因素。结合某省电网近五年来总电力负荷数据,对电力负荷数据进行分析与预处理,分别运用ARIMA模型与灰色GM（1,1）模型针对该省的电力总负荷分别做未来3天和10天两种情况下的短期预测,重点比较了所用两种方法的优缺点和精准度,得到3天的预测精度上GM（1,1）模型效果高于ARIMA模型,10天的预测精度上ARIMA模型相对较好。 相似文献
18.
黄霆 《南通职业大学学报》2004,18(2):63-67
简述中长期负荷预测基本理论和方法，结合南通电网进行了实例预测，在此基础上分析比较了各预测方法的优缺点，提出现阶段及将来适合南通地区的预测方法。 相似文献
19.
为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。 相似文献
20.
基于核主成分降维的RBF网络降水预测 总被引：1，自引：0，他引：1
针对径向基函数神经网络（RBF网络）的隐层节点数、中心和宽度难以确定的问题,为提高网络性能,首先采用模糊聚类分析法对样本数据进行初始聚类,以初始分类间的最小距离作为初始宽度;然后引入正交最小二乘法训练出新的数据中心、个数及权值,修改宽度为当前数据中心间的最小距离;最后采用梯度下降法训练并调整中心、宽度及权值;几种算法进行的组合优化改进,使网络泛化性能更优.由于降水影响因子众多,采用了核主成分分析法（KPCA）对样本数据进行特征提取降维预处理.对广西5月3区的日降水量使用上述模型进行预报实验,结果表明,该模型具有较好的泛化性能,预报准确率高于T213降水预报模式,具有一定的推广价值. 相似文献