本文主要研究内容
作者董娜,常建芳,吴爱国（2019）在《基于融合算法优化的卷积神经网络预测方法》一文中研究指出：由于不同气象条件会影响太阳辐照度的有效利用,这制约了太阳能的应用和发展.为了基于不同站点不同采样时刻的气象属性预测中尺度站的太阳能辐照度,依据传统卷积神经网络的框架,建立了一种新型的卷积神经网络结构幵用于太阳能辐照度预测.为了缓解新型网络由超参数选取不当导致预测性能差的问题,利用融合算法对新型网络的超参数进行优化.为了提高融合优化算法的全局搜索能力,引入帐篷映射对粒子的初始位置和初始速度进行混沌初始化.首先,导入训练集更新新型卷积神经网络框架,训练结束后导入验证集检验当前模型参数下新型卷积框架的性能.其次,混沌融合算法依据新型卷积神经框架在验证集上的预测性能更新模型的超参数.对更新模型的超参数多次检验,直至最优的预测模型在验证集上的性能趋于收敛.最后,辒出模型的最优超参数,建立太阳能辐照度预测模型.基于气象实测数据建立太阳能辐照度预测实验,引入其他两种预测方法进行对比仿真研究,幵尽可能复现了Eustaquio and Titericz团队的预测方法(GBRT)作为太阳能辐照度预测性能的评估基准.实验数据表明:混沌融合算法可以有效地提高新型卷积神经网络的预测性能,所提出预测方法的全年太阳能辐照度的均方误差较GBRT降低25.9%,绝对平均误差较GBRT降低了10.7%;全年太阳能辐照度平均误差率降低了18.4%,误差率小于0.1的样本量增加了21.1%.
Abstract
you yu bu tong qi xiang tiao jian hui ying xiang tai yang fu zhao du de you xiao li yong ,zhe zhi yao le tai yang neng de ying yong he fa zhan .wei le ji yu bu tong zhan dian bu tong cai yang shi ke de qi xiang shu xing yu ce zhong che du zhan de tai yang neng fu zhao du ,yi ju chuan tong juan ji shen jing wang lao de kuang jia ,jian li le yi chong xin xing de juan ji shen jing wang lao jie gou jian yong yu tai yang neng fu zhao du yu ce .wei le huan jie xin xing wang lao you chao can shu shua qu bu dang dao zhi yu ce xing neng cha de wen ti ,li yong rong ge suan fa dui xin xing wang lao de chao can shu jin hang you hua .wei le di gao rong ge you hua suan fa de quan ju sou suo neng li ,yin ru zhang peng ying she dui li zi de chu shi wei zhi he chu shi su du jin hang hun dun chu shi hua .shou xian ,dao ru xun lian ji geng xin xin xing juan ji shen jing wang lao kuang jia ,xun lian jie shu hou dao ru yan zheng ji jian yan dang qian mo xing can shu xia xin xing juan ji kuang jia de xing neng .ji ci ,hun dun rong ge suan fa yi ju xin xing juan ji shen jing kuang jia zai yan zheng ji shang de yu ce xing neng geng xin mo xing de chao can shu .dui geng xin mo xing de chao can shu duo ci jian yan ,zhi zhi zui you de yu ce mo xing zai yan zheng ji shang de xing neng qu yu shou lian .zui hou ,wen chu mo xing de zui you chao can shu ,jian li tai yang neng fu zhao du yu ce mo xing .ji yu qi xiang shi ce shu ju jian li tai yang neng fu zhao du yu ce shi yan ,yin ru ji ta liang chong yu ce fang fa jin hang dui bi fang zhen yan jiu ,jian jin ke neng fu xian le Eustaquio and Titericztuan dui de yu ce fang fa (GBRT)zuo wei tai yang neng fu zhao du yu ce xing neng de ping gu ji zhun .shi yan shu ju biao ming :hun dun rong ge suan fa ke yi you xiao de di gao xin xing juan ji shen jing wang lao de yu ce xing neng ,suo di chu yu ce fang fa de quan nian tai yang neng fu zhao du de jun fang wu cha jiao GBRTjiang di 25.9%,jue dui ping jun wu cha jiao GBRTjiang di le 10.7%;quan nian tai yang neng fu zhao du ping jun wu cha lv jiang di le 18.4%,wu cha lv xiao yu 0.1de yang ben liang zeng jia le 21.1%.
论文参考文献
论文详细介绍
论文作者分别是来自天津大学学报(自然科学与工程技术版)的董娜,常建芳,吴爱国，发表于刊物天津大学学报(自然科学与工程技术版)2019年09期论文，是一篇关于卷积神经网络论文,混沌融合算法论文,参数优化论文,太阳能辐照度预测论文,天津大学学报(自然科学与工程技术版)2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自天津大学学报(自然科学与工程技术版)2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：卷积神经网络论文; 混沌融合算法论文; 参数优化论文; 太阳能辐照度预测论文; 天津大学学报(自然科学与工程技术版)2019年09期论文;