10.3969/j.issn.1007-290X.2010.05.001
电力负荷的径向基函数神经网络模型预测
由于基于反向传播 (back propagation,BP) 的神经网络模型自身固有的缺点,其电力负荷预测结果不理想, 而径向基函数(radial basis function,RBF) 神经网络模型具有全局逼近的性质,不存在局部最小问题,为此,针对中长期电力负荷预测,给出了RBF的预测原理,推导权值的更新方式, 并和BP方法结果进行对比分析,结果证明基于RBF神经网络模型的方法收敛速度快、预报精度高、误差小.
反向传播神经网络模型、径向基函数神经网络模型、负荷预测
23
TP391.9(计算技术、计算机技术)
国家自然科学基金资助项目50677014;博士点专项基金资助项目20060532002;湖南省自然科学基金资助项目06JJ2024, 03GKY3115, 04FJ2003, 05GK2005
2010-07-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-3,11