首页 | 本学科首页   官方微博 | 高级检索  
     

改进的人工智能神经网络预测模型及其应用
作者姓名:李彦斌  李存斌  宋晓华
作者单位:1.华北电力大学工商管理学院
摘    要:针对传统人工智能预测算法在对预测问题峰值变化处理问题上的不足,引入峰值识别理论改进BP神经网络预测模型(SIBP)。在此基础上,利用引入多向全局搜索机制的改进粒子群算法,对SIBP神经网络预测方法进行改进,提出一种具有峰值识别能力、全局学习能力更强的人工智能预测模型,以有效解决基于BP学习方法易于陷入局部极值的问题。将改进后的预测方法应用于"尖峰突变"比较突出的出清电价预测问题,以美国PJM电力市场2005-02-01至2005-05-16的实际数据为样本,对所提出的改进预测方法进行实证分析。研究结果表明:所提出的算法较改进前的BP算法对发生电价突变的短期电价预测精度提高10.16%,运算时间仅增加6.2 s,预测结果证明本文所提出的算法在处理峰值预测问题方面的有效性。

关 键 词:峰值识别  粒子群算法  出清电价  预测模型
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《中南大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《中南大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号