文件名称：短期负荷预测
文件大小：128KB
文件格式：ZIP
更新时间：2022-05-13 08:44:00
MATLAB
为了克服BP的这些缺陷，本人对算法做了一些改进确定连接权修正值的计算过程，实际上是优化计算的梯度下降法。当能量公式对应的误差曲面为窄长型时，这种算法在谷的两壁跳来跳去，影响了网络的收敛速度，对算法最普通的改进方法是增加附加动量项。利用附加动量项可以起到平滑梯度方向的剧烈变化，增加算法的稳定性。在具体计算中，学习率η越大，学习速度会越快，但过大时会引起震荡效应；而动量因子α取得过大可能导致发散，过小则收敛速度过慢。并为了解决BP易于陷于极小值现象，用人工遗传算法来优化BP网络的初始权值。遗传算法是根据生物进化思想而启发得出的一种全局优化算法，在本质上是一种不依赖具体问题的直接搜索方法，它仅需给出目标函数的描述，从一组随机产生的称为“种群(population)”的初始解开始，从全局空间出发搜索问题的最优解。由于遗传算法善于全局搜索，且能以较大的概率找到全局最优解，故用它来完成前期搜索能较好的克服BP算法的局部极小的缺陷。将GA和BP结合起来，形成GA-BP混合训练算法，以GA优化BP网络的初始权值和阈值，再由BP算法按负梯度方向修正网络权值及阈值，进行网络训练。这种方法避免了BP网络易陷入局部极小问题，达到优化网络目的，更能精确的实现城市用电量预测。 实例讲解
【文件预览】：
763661627jra78
----gaot.rar(102KB)
----人工神经网络在电力短期负荷预测中的应用.txt(5KB)
----www.pudn.com.txt(218B)
----00()
--------gabppp.m(2KB)
--------data2.m(715B)
--------BPNbiaozhunsuanfa.m(2KB)
--------bp1.m(4KB)
--------bpfault.m(1KB)
--------nninit.asv(749B)
--------bp.m(592B)
--------bppfault.m(1KB)
--------gabpEval.m(323B)
--------gafault.m(2KB)
--------gadecod.m(691B)
--------nninit.m(749B)
--------data3.m(251B)
--------gabppp.asv(2KB)
--------gabpfault.m(2KB)
--------data.m(622B)
--------bpfault.asv(1KB)
----样本数据.rar(9KB)