| 短期负荷预测的集成改进极端学习机方法 |
| |
| 引用本文： | 程松,闫建伟,赵登福,王圈,王海明.短期负荷预测的集成改进极端学习机方法[J].西安交通大学学报,2009,43(2). |
| |
| 作者姓名： | 程松 闫建伟 赵登福 王圈 王海明 |
| |
| 作者单位： | 1. 西安交通大学电气工程学院,710049,西安
2. 河南省电力公司新乡供电公司,453000,河南新乡 |
| |
| 基金项目： | 国家自然科学基金，陕西省攻关计划，西安市科技创新支持计划 |
| |
| 摘 要： | 首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了集成改进极端学习机预测模型.该模型不仅有效避免了极端学习机左侧权值随机给定的输出稳定性问题,而且克服了单一网络预测模型泛化能力较差等缺陷.
|
| 关 键 词： | 极端学习机 短期负荷预测 训练 集成技术 |
Short-Term Load Forecasting Method Based on Ensemble Improved Extreme Learning Machine |
| |
| CHENG Song,YAN Jianwei,ZHAO Dengfu,WANG Quan,WANG Haiming.Short-Term Load Forecasting Method Based on Ensemble Improved Extreme Learning Machine[J].Journal of Xi'an Jiaotong University,2009,43(2). |
| |
| Authors: | CHENG Song YAN Jianwei ZHAO Dengfu WANG Quan WANG Haiming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
