基于混合pi-sigma网络的短期电力负荷预测

本文提出了一种短期电力负荷的混合pi-sigma模糊神经网络回归预测方法。该方法根据短期电力负荷的周期性,利用混合pisigma模糊神经推理功能,对欧洲电力负荷进行预测。该模型以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数。实例表明,本文提出的混合pi-sigma网络电力负荷预报方法优于常规时序预测方法,具有物理意义透明、预测操作方便,精确度高以及预测结果确定等特点,克服了神经网络电力负荷预报方法的不确定性。仿真实验结果验证了所提模型和方法的有效性。     

电力短期负荷预测的研究

电力短期负荷预测是电力部门的一项重要工作,在电力系统的安全、可靠及经济运行中起到了很重要的作用。在本文中,利用模拟退火算法的全局寻优能力和BP神经网络的非线性学习能力,提出了模拟退火BP神经网络的电力短期负荷预测模型来实现短期负荷的预测,从而能有效地克服BP神经网络容易限入局部极小的缺陷。通过某市的实际数据为算例,验证了本算法的有效性和优越性。     

电力负荷预测神经网络模型的设计

为提高电力负荷预测精度,本文采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法 ,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

基于BP神经元网络的鱼塘溶氧预测模型研究

为了能够提高水产养殖中水体溶氧量短期预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型。根据相关研究,采用对池水含氧量影响较大的几个影响因素,作为预测模型的输入端变化量;BP神经网络优化的阈值和初始权值通过遗传算法来获得,遗传算法具有全局搜索能力。采用改进后的BP神经网络建立起短期鱼塘含氧量预测模型,该方法具有较高的预测精度。     

论对于短期负荷预测的方法及其应用

目前短期负荷预测方法通过利用最新的历史负荷数据,可以预测当日当前时刻以后若干小时的未知负荷,其预测精度明显高于常规的短期负荷预测.为满足电力市场实时交易对负荷预测的新要求,将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据,以协助提高短期负荷预测的准确度.     

基于组合灰色预测模型的中长期电力负荷预测

鉴于中长期电力负荷预测受很多不确定因素影响的特点,在对基本灰色预测模型及其几种传统改进模型的原理和它们在电力负荷预测局限性研究的基础上,提出了一种中长期电力负荷预测的新方法——组合灰色预测模型。由于背景值和初始值对模型的精度有十分重要的影响,因此,该预测方法利用最小二乘法和指数拟合及高斯求积公式分别对初始值和背景值提出改进,提高了预测精度。并用吉林省2006年到2011年的农村用电量作为历史数据进行了预测,结果表明预测精度明显提高。     

雾霾的RBF网络与遗传算法优化预测

雾霾是对大气中各种悬浮颗粒物含量超标的笼统表述。随着空气质量的恶化,阴霾天气现象出现增多,危害加重。为了更加准确的预测雾霾天气的形成,本文基于自然界遗传机制和生物进化论,提出了一种基于遗传算法优化的RBF神经网络雾霾形成的预测模型,并使用MATLAB进行仿真研究。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用遗传算法优化RBF网络权值和其他参数,形成GA-RBF预测模型。该模型通过计算群体中个体适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明GA-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于广义回归神经网络的羊毛性状预测

凉山半细毛羊初生到断奶的5个生产性状（羔羊初生重、羔羊断奶重、初生-断奶日增重、断奶毛长度、断奶毛细度）预测成年羊毛（2．5年）的3个生产性状（成年剪毛量、成年毛长度、成年毛细度）,用Matlab6．5软件构建广义回归神经网络预测模型,并通过预测结果和实测结果的统计分析验证本研究所构建的广义回归神经网络预测模型的有效性。预测结果和实测结果的统计分析结果显示该预测模型具有较高的准确性,基于广义回归神经网络构建的预测模型在凉山半细毛羊成年羊毛3个性状上的预测被证明是有效的。     

电力系统负荷预测中不确定性分析

本文提出一种基于优化支持向量机算法的分析方法。对电力系统样本数据进行归一化处理,利用时滞阶数确定预测模型的最优阶数,并对模型中的不确定性因子进行筛选,获得精确的电力系统负荷预测模型,从而保证了电力系统负荷预测的准确性。仿真实验结果表明本文算法能够提高电力系统负荷预测的精度。     

基于马尔科夫和布朗运动的股票价格预测模型

股民希望从研究股票市场价格的变化中得到一些规律，减少自身的损失，但是股票系统本身是一个非常复杂的非线性运动系统，受到多种因素的影响，短期的某种程度的预测能够帮助股民投资，当前经济预测方法有很多，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型，通过实例对比，分析两种模式的联系与区别，希望嫩味股票短期预测模型提供参考。