基于NPCA-SOFM算法的电力物资细分模型
为了有效提高电力物资细分科学性以及需求预测合理性,文章以物资需求特性为突破口,构建了基于NPCA-SOFM算法的电力物资细分模型.首先,为消除指标标准化造成的指标变异和信息丢失影响,采用非线性主成份分析法(NPCA)进行降维处理;然后,运用SOFM神经网络算法对降维后的主成份进行聚类分析;最后,通过算例分析验证文中方法的有效性,结果表明相较于PCA-SOFM和单独采用SOFM算法,NPCA-SOFM神经网络算法聚类性能更具优势,且降维效果更明显,可为电力物资集约化管理和企业运营决策提供参考意义.
物资细分、非线性主成份分析、自组织映射神经网络、智能电网
26
TP3;F40
国家自然科学基金71071089;国家电网公司科技项目520607160003
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
172-177