本文主要研究内容
作者王瑞,周晨曦,逯静（2019）在《改进粒子群优化BP神经网络短期负荷预测研究》一文中研究指出：为了提高短期电力负荷预测的准确性,提出了一种改进型粒子群优化BP神经网络预测模型。在改进的粒子群每次迭代过程中求出种群平均适应度值,并将每一粒子适应度值与种群平均适应度值比较,当粒子适应度值劣于种群平均适应度值时,对其空间位置初始化处理,随机生成新的位置,当粒子适应度值优于或等于种群平均适应度时,保持位置不变,通过此种方式,保留了种群中优良粒子,在搜索空间不断缩小的后期拓展了搜索空间,保持了种群多样性,利用改进的粒子群算法优化BP神经网络的初始参数,再将训练样本训练BP神经网络求得最优参数。将此模型应用到河南省某地区短期电力负荷预测中,结果表明此种方法有效提高了预测精度。
Abstract
wei le di gao duan ji dian li fu he yu ce de zhun que xing ,di chu le yi chong gai jin xing li zi qun you hua BPshen jing wang lao yu ce mo xing 。zai gai jin de li zi qun mei ci die dai guo cheng zhong qiu chu chong qun ping jun kuo ying du zhi ,bing jiang mei yi li zi kuo ying du zhi yu chong qun ping jun kuo ying du zhi bi jiao ,dang li zi kuo ying du zhi lie yu chong qun ping jun kuo ying du zhi shi ,dui ji kong jian wei zhi chu shi hua chu li ,sui ji sheng cheng xin de wei zhi ,dang li zi kuo ying du zhi you yu huo deng yu chong qun ping jun kuo ying du shi ,bao chi wei zhi bu bian ,tong guo ci chong fang shi ,bao liu le chong qun zhong you liang li zi ,zai sou suo kong jian bu duan su xiao de hou ji ta zhan le sou suo kong jian ,bao chi le chong qun duo yang xing ,li yong gai jin de li zi qun suan fa you hua BPshen jing wang lao de chu shi can shu ,zai jiang xun lian yang ben xun lian BPshen jing wang lao qiu de zui you can shu 。jiang ci mo xing ying yong dao he na sheng mou de ou duan ji dian li fu he yu ce zhong ,jie guo biao ming ci chong fang fa you xiao di gao le yu ce jing du 。
论文参考文献
论文详细介绍
论文作者分别是来自制造业自动化的王瑞,周晨曦,逯静，发表于刊物制造业自动化2019年06期论文，是一篇关于负荷预测论文,粒子群优化论文,神经网络论文,适应度值论文,制造业自动化2019年06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，资料来自制造业自动化2019年06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：负荷预测论文; 粒子群优化论文; 神经网络论文; 适应度值论文; 制造业自动化2019年06期论文;