10.3969/j.issn.1004-7913.2016.07.012
基于改进ELM神经网络的客户满意度评价模型
使用一种动态递归网络———ELM神经网络来模拟专家打分进行电力客户满意度测评。仿真结果表明, ELM神经网络具有训练速度快和结构简单的特点,能较准确地反映客户满意度。同时,针对ELM神经网络基于梯度下降算法调整权值和阈值,容易陷入局部最优的缺陷,提出了利用入侵杂草算法( IWO)优化ELM神经网络的连接权值系数。神经网络权值优化是一个大规模多峰优化问题,已有文献证明IWO算法对于解决高维度、多峰优化问题具有明显优势。新方法有效弥补了单一算法的不足,拥有ELM神经网络动态记忆的能力以及入侵杂草算法全局收敛性强的特点。实例计算证明,改进ELM神经网络可以建立精度更高的电力客户满意度评价模型,保证专家评价系统的一致性和稳定性,是一种行之有效的评价方法。
电力客户满意度、入侵杂草算法、神经网络、电力市场
37
F224(经济计算、经济数学方法)
2016-10-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
39-43