证据理论dempster法则融合神经网络的短期负荷预测 short-term load forecasting of neural network on dempster rule of evidential theory.pdfVIP

下载本文档

0
0
约1.4万字
约 5页
2017-08-17 发布于上海
举报
版权申诉

证据理论dempster法则融合神经网络的短期负荷预测 short-term load forecasting of neural network on dempster rule of evidential theory.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

证据理论dempster法则融合神经网络的短期负荷预测 short-term load forecasting of neural network on dempster rule of evidential theory

第20卷华中电力 2007年第3期短期负荷预测孙奇，杨伟 (南京理工大学动力工程学院，江苏南京210094) 摘要：针对传统神经网络收敛速度较慢且实时性较差的缺点，在考虑气候因素的情况下，分别用改进BP网络、径向基算法进行融合，通过选取待预测日之前几天的数据作为融合样本，规定相应的基本信度函数，得到融合后的信度分配，从而决定相应时刻的预测模型。仿真结果表明，经过证据理论融合后选择的负荷预测算法具有较高的预测精度。关键词：证据理论；Dempster合成法则；负荷预测；神经网络中图分类号：TM715 文献标识码：A 文章编号：1006—6519(2007)03—000l一04 Short—termLoad ofNeuI．alNetworkon Forecasting RuleofEvidential Dempster Theorv SUN Wei Qi，YANG (CD讹geQ厂Po加erE画neeri％舭耐i愕跏面e珊渺矿＆诒瑚e死c^加Z嗍‘舭阿i愕210094，醌i，瑚 thatche仃adidonalneuralne哪orkhaSSlowconcencradonweak南Ⅱow—dme Abstract：舢血ng Speed甜1d mnction， Thedistance BP aIldE1111a11ne呐ork areusedinload atan ne哪ork changedne聃ork，RBF calcula石ngways forecasthlg to山esituadonofweather theerrorofload have旬sion areaaccording 6ctor．Byanalyzing forecjLsdn晷calculatingways msionmleofevidentialtheories． thedataofseveralbe南reestimatedas throughDempster T11roughchoosing days day msion a11d the baSicbehef behef allonnentis传tcheda丘erthe saInplesmlillghom01090us degree向nction，degree 旬sion．Theload modelisdecided tothe dme．Theresultsofsimuladon forecaSdng accordingcorresponding demonsn．a七e thattheload ofe、，idendal a丘er旬sion theorieshave ways forecastingcalculating bj曲eraccuncy． wOrds：evidential mle；10ad network