改进粒子群优化BP神经网络短期负荷预测研究_王瑞.caj

经测试，可以添加相应归一化数据data.matw文件即可使用

利用 Elman 神经网络建立电力负荷预测模型，提供可靠的电力负荷预测。

提出通过小波分解对各负荷子序列进行特性分析初选影响因素后,采用信息熵法从初选变量中自动筛选出对负荷较重要的因素,然后采用改进的主成分分析法消除重要影响因素间的相关性,采用动态聚类法对各分解序列的样本归

基于RBF神经网络的电力系统短期负荷预测

针对BP神经网络在煤层瓦斯含量预测中的局限性,如收敛速度慢和可靠性差等缺点,根据煤层瓦斯含量与其影响因素之间相互作用和耦合的特点,建立了粒子群算法和BP神经网络相结合的煤层瓦斯预测模型.在采用BP网络

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经

此程序为一个欠驱动机械臂的平衡控制,该程序包括对BP神经网络的改进,效果挺好!

基于BP神经网络的电力负荷预测中的应用，叙述了神经网络在预测方面的应用。

基于BP神经网络的电力系统负荷预测，亲测有效实用。数据可自行更改

一种改进的BP神经网络预测方法及其应用-神经网络预测.rar1.一种改进的BP神经网络预测方法及其应用【提要】表文提出j一种改进的BP神经网络预测方法。该方法的主要优点有：网络结构简单，收敛速