城市燃气负荷预测系统资料.pptVIP

3.1.2 训练(学习)样本集的选择 把前馈神经网络应用于燃气供应系统负荷预测，就是要利用人工神经网络的高度非线性映像特性，来找出燃气供应系统中输入与输出的映射关系。输入样本的选取对前馈神经网络经过训练是否能够体现燃气供应系统负荷的运行规律有很重要的作用。 训练样本的选择主要是受两个因素的影响:其一是训练样本的长度。样本长度并非越长越好，过长的训练样本不仅影响计算速度，还会导致拟合精度的下降。其二是训练样本的代表性。这一问题受原始资料的约束较大。有的研究对象本身就缺少数据，样本的代表性必然受到影响。 * 3.2 网络的程序实现 MATLAB神经网络工具箱是以神经网络理论作为背景的专业工具箱，它以人工神经网络理论为基础，用MATLBA语言构造出典型神经网络的启动函数，使设计者对所选定网络输出的计算，变成对启动函数的调用。它的数据处理是建立在矩阵运算上，算法非常容易实现。另外，根据各种典型的学习规则和网络的训练过程，用MATLAB编写出各种网络权值训练的子程序。从而大大节省了编程和调试时间，提高了效率和质量。通过检测，采用神经网络工具箱对BP网络的训练，训练速度有了明显的提高，效果大大改善，满足要求。 * 3.3结论与分析 人工神经网络用于预测燃气负荷，在理论上和应用上都是可行的。与其它传统预测方法相比较，利用BP网络进行预测能拟合任意的非线性函数并