基于小波变换的模糊神经网络短期负荷预测方法

摘要：

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.

关键词：神经网络、遗传算法、自适应、小波变换、模糊算法

所属期刊栏目：39

分类号：O224(运筹学)

资助基金：辽宁省自然科学基金项目201202191

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-113