共查询到20条相似文献，搜索用时 468 毫秒
1.
2.
微电网系统中发电功率和负荷功率不匹配将会对其稳定性造成不利影响,为了准确预测微电网系统的短期负荷变化趋势,保证微电网可靠安全运行,文章提出了一种基于单变量单时间步长短期记忆神经网络(Long short-term memory,LSTM)的微电网短期负荷预测方法,该方法利用LSTM擅长处理时序性数据的能力,首先使用微电网负荷的历史数据进行模型训练,然后使用前一个采样点的数据去预测下一个时刻的数据.利用上述方法搭建了基于Keras的单变量单时间步长LSTM微电网短期负荷预测模型,使用某地各大区用电量进行负荷预测,实验结果跟实际用电量的平均绝对误差百分比为1.46％,取得了良好的预测精度,验证了该方法的有效性. 相似文献
3.
4.
对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。 相似文献
5.
6.
神经网络和传统线性模型结合为处理混沌时间序列提供了新的途径。将Elman神经网络和单整自回归移动平均模型结合起来,同时分析我国进出口贸易量时间序列中的线性和非线性两部分,得到更准确的预测精度。实证表明,复合模型吸收两类方法的优点,较单一模型能够更有效地预测我国进出口数据。 相似文献
7.
针对传统算法网络入侵预测中,网络检测数据相关性不强,大规模网络入侵导致预测准确性不高的问题。提出了一种基于时序变化率曲面极值(Time-series variation curved surface extremum:TVC-SE)拟合的网络入侵预测算法。对网络流量信息数据进行实时获取,以时序为时间度量构建变化率曲面模型;分别对时序变化率曲面模型的局部极值进行迭代计算,将共有的局部极值作为最终的预测极值进行存储,同时以该时刻的协同局部极值为参考,提高了网络入侵预测的准确性。仿真实验表明,该测试方法能够达到较高的测量精度,虚警率比传统算法平均降低了12.4%,预测时间减少在2.5 s左右,在不增加成本,符合网络程序计算复杂度的情况下,满足了网络入侵预测的要求。 相似文献
8.
9.
电力负荷预测的方法研究 总被引：1，自引：0，他引：1
祁振华 《内蒙古科技与经济》2012,(23):86-87
介绍了负荷预测的基本概念和方法,并采用趋势分析法、回归分析法、单耗法、弹性系数法、负荷密度法、神经网络法、灰色系统法对包头城区的负荷进行预测,分析各种预测方法的预测结果,并采用组合预测法将负荷的实际值和预测值进行对比,最后提出优选组合预测法具有较好的预测效果。 相似文献
10.
将BP神经网络方法用于高校图书馆图书借阅量的预测研究,设计出用于预测图书借阅量的BP神经网络模型,并用2008年的图书借阅量数据进行网络学习和训练,预测结果具有较高的精度。 相似文献
11.
改进神经网络与小波分析结合的电力负荷预测方法研究及应用 总被引：1，自引：0，他引：1
本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力. 相似文献
12.
13.
参数的优化选择对支持向量机回归算法(SVR的预测精度和泛化能力影响显著,提出混沌粒子群优化算法(CPSO优化选取支持向量回归算法中参数c和g信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。在此基础上利用上证指数数据建立上证指数开盘数预测模型,研究结果表明,混沌粒子群优化的SVR信息粒化时序回归预测模型克服了传统时间序列模型仅局限于线性系统的缺点,速度快,预测精度高,且实用性强。 相似文献
14.
15.
为了提高预测精度,提出了一种改进的最小二乘法线损预测技术。算法首次将核偏最小二乘回归算法应用于线损率预测。实验表明,提出的方法能够较好地克服变量相关性和非线性因素对预测模型的不利影响。 相似文献
16.
RBF网络是一个三层的前馈型神经网络,它隐含层的转换函数是局部响应的非线性函数,所以它能够以任何精度逼近任意连续函数,这为复杂的变形系统的解释和模型化提供了可能,因而利用RBF网络对混沌时序的分析和预测是变形分析的一种新的途径.本文首先介绍RBF网络,对其变形监测数据的混沌现象进行分析和对RBF网络的混沌时间序列作出分析、预测,最后,总结出运用RBF网络对变形分析和预测对数据拟合模型的精度和预测能力都有很大的提高作用. 相似文献
17.
18.
智能电网的—个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.针对用电量数据非线性的特点,提出了一种基于粒子群优化的PSO-CV-SVR模型.该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数.将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度. 相似文献
19.
基于支持向量回归机的广西物流需求预测 总被引：2，自引：0，他引：2
传统的区域物流需求预测方法往往具有预测精度不高、数据处理效果不佳等不足,而基于支持向量回归机(SVR)的预测模型正好弥补其不足.基于SVR预测模型,以1985-2008年广西货运量为面板数据,选择合适的核函数及参数,并与灰色及一元回归预测方法相对比,发现其预测精度很高,预测值也吻合广西总体经济发展要求. 相似文献
20.
指出失业预警系统的建模是一个小样本、高维度、非线性、存在噪音数据的复杂的建模问题,重点探讨了基于回归分析技术对失业预警系统进行建模的理论、方法与步骤。讨论了常见的缺失数据处理、数据归一化以及特征降维等数据预处理方法;进一步分析了最小二乘回归、Logistic回归、岭回归、BP神经网络以及支持向量回归五种回归技术;最后基于广东省的社会经济调查数据对五种回归方法进行了实证分析,实验结果表明:在对失业率的预测上,支持向量回归预测效果最好,最小二乘回归、岭回归与BP神经网络次之,Logistic回归预测效果最差。 相似文献