bp神经网络模型对常规曲线拟合情况的评估研究

bp神经网络模型对常规曲线拟合情况的评估研究

ID:33943476

大小:249.25 KB

页数:3页

时间:2019-02-28

bp神经网络模型对常规曲线拟合情况的评估研究_第1页
bp神经网络模型对常规曲线拟合情况的评估研究_第2页
bp神经网络模型对常规曲线拟合情况的评估研究_第3页
资源描述:

《bp神经网络模型对常规曲线拟合情况的评估研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、神经网络模型对常规曲线拟合情况的评估研究’,“朱国华胡压!∀华中科技大学计算机学院,湖北武汉#∃%&#∋(∀东方电子海,山东烟台()颐软件股份有限公司#%%∗。摘要+神经网络具备较好的非线性系统曲线拟合能力提出了应用神经网络对常规曲线拟合情况,。进行评估的方法论证了应用神经网络进行电力梢售预测的有效性关键词+网络∋常规曲线∋拟合中图分类号+,∃%(∀−文献标识码+.文童编号+!)&(一&−%%(%%&∗%!一%%!#一%(过程中,通过对大量实力的反复学习,由)∗根据设定参考输,人和实际输出作为!背景,内部自适应过程不断修改各神经元之间

2、各个网络的输人并指定每一输出节随着电力工业的发展和改革的深人,互连的权值,最终使神经网络的权值分布点的期望值咒∋计算各神经元实际输出,,,,,,,供电企业需要大量掌握需求信息以对未收敛于一个稳定的范围然后用于预测未?≅?二8(∃∗∋修正权值ΑΒ≅Β二8(∋≅二8(∃∗。。、。来售电量作出准确的测算来的数据神经网络主要由输人层隐及闭值%≅在诸多的,,,预测理论当中人工神经网层和输出层构成其中隐层可以为多层&∗值ΑΒ≅和闭值%≅的修正采用共扼梯,能,,重复。络预测方法具有高度非线性映射功能其数目由实际情况决定在本模型中采用度算法)使总误差Χ最小,。1够

3、对数据样本进行自主学习从而寻求到单隐层结构神经网络一般采用/!0,∃对常规曲线的拟合评估数据本身的规律因此到了(%世纪−%年2345函数或双曲正切函数作为神经元传,它。,72345函。代末期已十分广泛地应用在各个领域递函数在本模型中采用64数为了验证神经网络在用电预测中,人工神经网络预测方法可以在事先不需预测算法步骤如下+的可行性,。评笔者对该模型进行了评价要构建确定,,。函数的情况下对规律性不十8∗建立神经网络的初始学习样本集建价的主要方式是模拟曲线所采用的曲线,、、分严格的数据实现输人与轴出间的非线立历年用电量样本资料数据库共有+9主要有反比例

4、曲线常数曲线一次曲。。、性映射应用其建立销售电量的模型问题组线二次曲线以及用这些基本曲线叠加的时,不仅与历史数据拟合得较好,。外推的(∗样本资料数据按下式作归一化处符合曲线。精度也较高人工神经网络能够建立任意理模型的要求∗,下面介绍使输人模型的数据化为神经网络对各种曲线的,非线性的模并适用于解决时间序列预,+。型%8∗之间的实数拟合程度,报问题因此在电量预测中多采用反气二24:‘一24:!∗反比例函数模型ΔΕ可Φ二;<2=;;>;办。向传播网络模型网,—评估络对于电力∃∗选择神经网络的初始参数包括首先给定一组Φ的值要求Φ的变。∋,常规数据曲线的

5、拟合非常必要层数和节点数对各个网络进行初始化规律稳定∗并计算出相应的Δ值如表!。+。化包括权值和阀值所示具体函数为Δ二(ΓΦ∗(神经网络的训练和预测。,#∗对各个神经网络进行优化选取样本采用时间序列法即选取几反向传播神经网络基,,于误差反向传/∗对初始样本进行学习得到各层个相邻的Δ值作为样本输人值取下一个,。在训练。,播算法遵循误差修正学习规则的初始权值Δ值作为样本输出值样本的结构为#输+,,,,作者简介朱国华!Η0一∗男华中科技大学计算机学院博士后研究方向为计算机协同工作∋胡压!0−(一∗烟台东方电子海颐软件股份有限公司软件,。工程师研究方向为企

6、业信息系统开发!#·(&·!月号软件导刊%测值作为下一组预测输人即裹!反比例函数原始数据序列∋∋−0二!#&、−1二!#)、Φ(∀!(∀∃(∀/(∀&(∀0∃∀!∃∀∃∃∀/∃,&∃∀0#∀!∋∋−#二!∃∗、−∃二!%!∃2Δ%∀0/(∃%∀−)0/%∀−Φ洲∗%∀&#以%∀)−0)%∀)#/!%∀以拓心%∀/&!#%∀/#%/%∀/!(−%∀#−&−得到的预测输出值为,!%∋)与实际值,人!输出选上一个样本的第二个数值作ΦΙ二&∋Φϑ二−∋Φ∃二0∋。!∗∀的相对误差为∀∋∃∗3,形成一个有,为第二个样本的起点/个样经计算后输出为!%∀(−与实际

7、值+∃/二次函数模型4二1,二。。56本的样本集如朴表(所示!%的相对误差为(∀−Η,—在这个样例中选用的具体函数为。衰(反比例函傲傲据训练样本47#−∀−‘月一首先计算一组规律变化的值及相输人样本集ΦΙ写一挑,一习月幻们飞样本翰出值<,。,4的样本!&∋(%∀#&∋)∗(%一&∋,∃&∃&∗)(∗应的值如表∗所示样本∀&∋)∗(%&∋)《−./&∋∗)(∗&∗∃%!衰∗二次函傲原始数据序列∋∋∋∋∋∋∋样本#&∋)+兀旧&∋,∃以&∗)(∗&研%!&∋仗双/−∀%∀∋,∀月#8###∋%#,#月∃!∃#∃乃∃,∋∋∋∋∋∋∋∋,∋∋样本∃&∋,∃&

8、∃&∗)(∗&∋∗∃%!&∋日洲/&%,!∃4!),%∀!),∀%

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。