基于Bagging算法和遗传BP神经网络的负荷预测

摘要：

负荷预测是电力规划的基础,传统的神经网络顶测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点.文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经Bagging方法集成,目的是提高其准确率.通过Matlab仿真进行实验,结果表明,基于Bagging算法集成遗传神经网络,能够克服传统BP神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度.

关键词：BP神经网络、遗传算法、Bagging方法、负荷顶测

所属期刊栏目：21

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目60736014

在线出版日期：2011-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：107-110