基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型

摘要：

针对波动大且具有非平稳性的负荷序列预测问题,建立了基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型(R.EKalman-G(1,1)-PSO-BP).利用了卡尔曼滤波算法能够剔除非平稳序列中的随机误差,以获得逼近真实情况的有效信息的特点,对负荷测量序列进行滤波处理,根据GM(1,1)模型算法对滤波后的量测序列进行拟合预测.利用基于粒子群优化算法的BP神经网络算法对残差进行修正,得到了新的预测值.实践表明新预测值的整体精确度远高于GM(1,1)模型及Kalman -G(1,1)模型的预测精度.因此,所建模型具有较高的使用价值.

关键词：卡尔曼滤波、G(1,1)模型、预测、PSO算法、BP神经网络

所属期刊栏目：36

分类号：TP18(自动化基础理论)

在线出版日期：2014-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：24-26