BP神经网络与多元回归.pptxVIP

标题TITLEXXX机械工程652085201003BP神经网络和多元回归在电力控制及预测中的应用NJTECH UNIVERSITY1目录CONTENTS简述：对解决问题的简单描述数据来源、参数选择：数据的出处和自由变量的选取模型建立：BP神经网络、多元回归模型总结：两种模型比较1423模型建立 数据来源、参数选择简述总结2过渡页TRANSLATION PAGE 简 述1对待解决问题的简单综述3第一章CHAPTER ONE简述 电力系统中长期负荷的变化受到很多因素制约，这种制约关系难以定性描述，针对负荷影响因素的复杂性和不确定，即多变量和随机性特征，将定量预测方法中BP神经网络、多元线性回归分析应用于中长期负荷预测。其中因变量为电力系统负荷，自变量是影响电力系统负荷的各种因素，如经济、人口、气候等，由多组自变量和应变量资料研究二者的关系，并比较两种方法。将自变量定为人口以及GDP。4过渡页TRANSLATION PAGE 数据来源、指标选择2数据的出处和自由变量的选取5第二章CHAPTER TWO数据来源： 从国家统计局官网上面查找数据，选取1995-2015年国家全社会用电量、GDP、人口数据，选取前17年的数据（训练数据）进行模型的建立，后面4年的数据（测试数据）进行数据的测试！见表1！指标选择： 将人口以及GDP作为多元回归的自变量和BP神经网络的输入层神经元； 全社会用电量作为因变量和输出层指标。6表1 1995-2015年全社会用电量、GDP、人口数据表 年份全社会用电量（亿千瓦时）GDP（亿元）人口（万人）199510023.460693.7121121199610764.371176.6122389199711273.678973.0123626199811590.484402.3124761199912305.289677.1125786200013472.799214.6126743200114632.6109655.2127627200216330.7120332.7128453200319032.2135822.8129227200421972.3159878.3129988200524940.81838671 1995-2015年全社会用电量、GDP、人口数据表 年份全社会用电量（亿千瓦时）GDP（亿元）人口（万人）200628588.4210871.0131448200732632.0257305.6132129200832711.8300670.0132802200936430.3335629.2133450201041923.4408903.0134091201146928.0484123.5134735201249592.8534123.0135404201353223.5588018.8136072201455233.6635910.2136782201555500.6676708渡页TRANSLATION PAGE 模型的建立3BP神经网络、多元回归模型9BP神经网络介绍第三章CHAPTER THREE BP神经网络模型由输入层、隐含层和输出层组成，隐含层和输出层可以一层或多层构成。训练过程中输入信号从输入层通过作用函数，逐层向隐含层、输出层传播，如果在输出层得不到期望的输出，则转入反向传播，不断修改各层神经元的连接权值，直至使网络输出与期望输出的误差平方和最小，从而训练出最优神经网络模型。 10BP神经网络确定第三章CHAPTER THREEBP神经网络模型结构的确定有两条比较重要的指导原则，即： (1)对于一般的模式识别问题，3层网络可以很好的解决； (2)3层网络中，隐含层神经元个数b与输入层神经元个数a之间的近似关系为b=2a+1。 本例中输入层神经元个数为2，输出层神经元个数为1，因此，隐含层神经元个数可选择为5个。11MATLAB程序figure (3)X=(B1-T1)./B1;%绝对误差plot(1:length(T),X,-);P2=mapminmax(apply,A2,inputns);M2=sim(net,P2);T2=mapminmax(reverse,M2,outputns);hold offA=[60693.7 12112171176.6 12238978973.0 12362684402.3 12476189677.1 12578699214.6 126743109655.2 127627120332.7 128453135822.8 129227159878.3 129988183867.9 130756210871.0 131448257305.6 132129300670.0 132802335629