基于BP经网络的负荷预测.doc

基于BP神经网络的日负荷预测 1 BP神经网络 1.1人工神经网络简介及基本问题 1.1.1人工神经网络 人工神经网络（Artificial Neural Networks ，即ANN）是一种采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络模型目前已有近40种，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构，神经网络模型可以分为反传网络是一种典型的前向网络。工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。 图1 BP网络拓扑结构 此外，网络中单个神经元的输入与输出之间的函数关系叫做激函数。 （1） 其中是当前的权值和阈值矩阵， 是当前误差函数的梯度，是学习速度。 下面以只含一个隐含层的三层BP网络为例，介绍B P算法的推导过程。 对该网络中的相关记号做如下约定： 输入层节点数为，隐含层节点数为，输出层节点数为。相应各层结点的编号为，，，，，； 输入层节点与隐含层各节点间的网络权值为，隐含层各节点的阈值为；隐含层节点与输出层各节点间的网络权值为，输出层各节点的阈值为； 表示输入层第个输入（或输出），表示隐含层第个输出，表示输出层第