- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
本发明属于神经网络优化的技术领域,具体地说,是一种基于改进蜂群算法优化的RF_GRU网络短期电力负荷预测方法,将改进的蜂群算法用于寻找随机森林算法的最优初始参数。为改善蜂群算法在迭代后期易于陷入局部最优的缺点,采用了正弦余弦因子以改善算法的全局收敛性;接着通过改进蜂群算法优化训练后的RF_GRU网络建立起短期电力负荷的预测模型,进一步提升短期电力负荷预测的精度和效率。本发明在蜂群算法迭代过程中动态的计算蜂群的适应度,设置蜂群的适应度阈值,将整个蜂群分为雇佣蜂和非雇佣蜂两个子群,通过雇佣蜂向全局最
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112819192 A
(43)申请公布日 2021.05.18
(21)申请号 202011239992.5
(22)申请日 2020.11.09
(71)申请人 江苏科技大学
地址
文档评论(0)