bp神经网络与多元回归.pptVIP

BP神经网络和多元回归 在电力控制及预测中的应用 标题 TITLE 1 简述：对解决问题的简单描述 1 2 3 4 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 目录 CONTENTS 2 过渡页 TRANSLATION PAGE 1 简 述 对待解决问题的简单综述 3 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。 简述 第一章 CHAPTER ONE 4 过渡页 TRANSLATION PAGE 2 数据来源、指标选择 数据的出处和自由变量的选取 5 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。 第二章 CHAPTER TWO 6 年份 全社会用电量 （亿千瓦时） GDP （亿元） 人口 （万人） 1995 10023.4 60693.7 121121 1996 10764.3 71176.6 122389 1997 11273.6 78973.0 123626 1998 11590.4 84402.3 124761 1999 12305.2 89677.1 125786 2000 13472.7 99214.6 126743 2001 14632.6 109655.2 127627 2002 16330.7 120332.7 128453 2003 19032.2 135822.8 129227 2004 21972.3 159878.3 129988 2005 24940.8 183867.9 130756 表1 1995-2015年全社会用电量、GDP、人口数据表 7 年份 全社会用电量 （亿千瓦时） GDP （亿元） 人口 （万人） 2006 28588.4 210871.0 131448 2007 32632.0 257305.6 132129 2008 32711.8 300670.0 132802 2009 36430.3 335629.2 133450 2010 41923.4 408903.0 134091 2011 46928.0 484123.5 134735 2012 49592.8 534123.0 135404 2013 53223.5 588018.8 136072 2014 55233.6 635910.2 136782 2015 55500.6 676708.3 137462 表1 1995-2015年全社会用电量、GDP、人口数据表 8 过渡页 TRANSLATION PAGE 3 模型的建立 BP神经网络、多元回归模型 9 第三章 CHAPTER THREE BP神经网络介绍 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。 10 BP神经网络确定 第三章 CHAPTER THREE BP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。 11 MATLAB程序 A=[60693.7 121121 71176.6 122389 78973.0 123626 84402.3 124761 89677.1 125786 99214.6 126743 109655.2 127627 120332.7 128453 135822.8 129227 159878.3 129988 183867.9 130756 210871.0 131448 257305.6 1321