基于神经网络的短期负荷预测研究

依据神经网络建模的原理,提出了一种基于神经网络的时间序列预测方法,并通过在山东枣庄矿业集团公司柴里煤矿进行的预测分析,验证了预测方法的有效性。为解决煤炭自燃的预测提供了一条良好的思路和方法,具有较大的

基于PSO优化BP神经网络的水质预测研究，高峰，冯民权，为快速准确预测河流水质，本文结合汾河实际监测数据，使用粒子群算法优化BP神经网络模型(PSO-BP)进行水质预测研究。通过灰色关联度�

为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系

摘要：瓦斯含量预测取决于多因素、非线性的函数关系的建立，预测模型建立的准确与否决定于各 个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来，以神经 网络理论为基础，利用遗

利用长短期记忆神经网络构建预测模型预测时间序列的方法，包括输入层、输出层、数据集等参数的调整方法，并详细阐述了实际值和误差值之间的误差图、R方、平均百分比误差、MBE和均方根误差等评价指标的含义和作用

由于国内外在短期负荷预测方面研究的侧重点不同，通常可划分为定量预测技术和定性的预测两种，利用定性预测技术得出的预测结果是一个具有方向性的结论，而定量的预测技术主要是通过分析负荷和影响因素之间关系，建立

针对网络入侵检测准确率偏低而误报率偏高的问题，提出一种融合卷积神经网络（CNN）与双向长短期记忆（BILSTM）网络的网络入侵检测方法。对Kddcup99数据集进行预处理，并分别使用CNN模型、BIL

基于季节调整的ARIMA模型与BP神经网络的电力负荷组合预测，马开良，胡建明，电力负荷预测一直是电力系统计划和运行的重要工具，通过预测，电力系统得以合理的调度电力以满足系统电力需求。所用的负荷预测方

应用神经网络理论知识,结合贵州某矿的实测数据,建立了基于BP神经网络的瓦斯涌出量预测模型,通过数学软件MATLAB7.0对瓦斯涌出量进行预测,预测结果与实际涌出量吻合度较高,说明了BP神经网络在瓦斯涌

电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行,由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法,文中将经验模态分解(EMD)与新兴的电力负荷预测模型分形理论相