简介:提出了基于神经网络的被测量重构方法;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中,进行了仿真研究,结果表明,神经网络用于被测量重构,方法是可行的;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。
简介:提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据,再用BP网络来映射样本数据。采用初始化样本数据,增大节点作用函数陡度,变换隐层节点作用函数形式,自适应调整学习参数等方法提高了BP网络的学习速度,得到了较为满意的预报结果.
基于神经网络的被测量重构方法研究
一种短期负荷预测的自适应神经网络方法