原创力文档- 1、本文档共5页，其中可免费阅读4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
本发明提出一种基于增量式宽度学习系统模型的负荷预测方法。该方法将增量学习的思想用于宽度学习系统中，目的是提高负荷预测的准确性和模型训练的效率。首先，把能考虑到的每一个因素单独输入所提方法中的宽度学习系统进行训练，得到相关性较高的因素。然后，把这些相关性高的因素组合起来输入到所提方法中的宽度学习系统进行训练，得到一个训练好的所提方法中的宽度学习系统模型。最后，输入新数据集与旧数据集比较，如果新旧数据集数据相差不大，则将新数据集输入训练好的模型直接预测，如果新旧数据集数据相差较大，则更新权重，直到输
(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 113205222 A
(43)申请公布日 2021.08.03
(21)申请号 202110529349.4
(22)申请日 2021.05.14
(71)申请人 广西大学
地址 53
文档评论（0）