第十一讲-技术新发展总结复习.ppt

隐含层与输出层之间的权值调整式 分别表示调整前与调整后的隐含层结点k 与输出层结点n 之间的连接权值； 为动量项。 输入层结点与隐含层结点之间的权值调整式 分别为调整前与调整后的输入层结点 m 与隐含层结点 k 之间的权值 为动量项 伸缩因子调整式 为调整前与调整后的伸缩因子； 为伸缩因子动量项。 平移因子调整式 为调整前与调整后的平移因 子； 为平移因子动量项。 学习算法的具体实现步骤 1）网络参数的初始化 将小波的伸缩因子、平移因子、网络连接权值、学 习率以及动量因子赋予初始值，并置输入样本计数器 p=1 2）输入学习样本及相应的期望输出 3）计算隐含层及输出层的输出 4）计算误差和梯度向量。 5）输入下一个样本，即 p=p+1 6）判断算法是否结束。当 Eε时，即代价函数 小于预先设定的某个精度值ε(ε0)，停止网络的学习，否则将计数器重置为1，并转步骤2）循环 小波神经网络的MATLAB函数 静态非线性回归小波神经网络的创建 指令格式 THETA = wnetreg(y, x, nbwavelon, max_epoch, initmode, min_nbw, levels) 参数说明 输出参数 THETA 小波回归模型的估计参数。 输入参数 y 是一个列向量，x 对于单输入为一个列向量；对于多输入，x=[x1 x2 ... xm]，每个xi都是一个列向量。 nbwavelon：构建小波网络的小波数量 max_epoch：最大训练次数； initmode为初始化模式 min_nbw：最小输入模式数 min_nbw和levels为可选项 小波神经网络的仿真 wavenet( )，可以很方便地得到网络的仿真结果。 指令格式： g = wavenet(x, THETA) 小波方法 某地区连续六日96点负荷图 小波方法 第三层低频重构 第三层高频重构 第二层高频重构 第一层高频重构 a3 d3 d2 d1 偏最小二乘方法 起源于化学分析领域，用于解决利用分光镜来预测化学样本的组成时，红外区的反射光谱相互干扰的问题； 针对于多元回归中的多重共线性问题，建立稳定的回归方程； 主要思路在于从各个自变量中提取包含差异性信息的新变量； 其辅助分析方法可以进行变量重要性分析及样本规律性分析。 模糊处理与数据挖掘方法 模糊处理方法是采用模糊数学的算法对定性指标原始数据进行处理，使之可以进行模型输入； 数据挖掘方法是采用一定的算法（如Apriori算法）寻找历史数据中具有类似条件特征的数据组，作为预测的基础。 时间序列分析 ARMA （Auto-Regressive and Moving Average Model）模型为典型代表； 标准形式为： 可以处理回归分析中的序列相关性问题； 关键在于确定模型的阶数； 有多种后续发展方法。 上机要求 题目写“电力负荷预测作业”，而不能写“电力负荷预测试验报告”或“电力负荷预测设计”等； 要求独立完成，不允许出现合作（两个人共有一套作业）； 坚决杜绝抄袭或剽窃行为！ 第一学期 　 　 一 二 三 四 五 六 日 9 11月 26 27 28 29 30 31 1 10 2 3 4 5 6 7 8 11 9 10 11 12 13 14 15 12 16 17 18 19 20 21 22 13 23 24 25 26 27 28 29 14 12月 30 1 2 3 4 5 6 15 7 8 9 10 11 12 13 16 14 15 16 17 18 19 20 17 21 22 23 24 25 26 27 18 1月 28 29 30 31 1 2 3 19 4 5 6 7 8 9 10 20 11 12 13 14 15 16 17 21 18 19 20 21 22 23 24 上机时间调整为12月29日上课时间和1月5日下午。 关于结课考试 开卷考试，并请大家自带计算器； 带学生证； 遵守学校有关考试纪律，严惩不适当行为； 严禁在考试中传递资料、计算器或其它一切物品； 关于考试技巧； 时间地点：教务处通知。 二、 BP神经网络构建 3、Matlab编程实现: newff 函数功能：构建一个BP神经网络 函数形式：net=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P:输入数据矩阵，每一列表示一个数据