基于一类改进遗传算法的进化神经网络研究.pdf基于遗传算法的人工神经网络优化设计.pdf基于遗传神经网络的股票价格短期预测.pdf
论文,关于支持向量机的应用方面的论文.该论文为其在电力系统中的应用.
传统的小波神经网络以梯度下降法训练网络,而梯度下降法易导致网络出现收敛早熟、陷入局部极小等问题,影响网络训练的精度。文章将萤火虫算法用于训练小波神经网络,在全局内搜寻网络的最优参数。为了提高萤火虫算法
我们用了两种算法对PJM某区电力负荷进行超短期预测。ARIMA算法预测速度较快,平均误差在3%以内,特别适合这种超短期负荷预测,而小波分析+BP神经网络算法是一种适应性比较广的算法,在此次超短期负荷预
利用小波神经网络进行电力系统负荷预测的Matlab程序
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
为了提高短期电力负荷的预测精度,提出了集合经验模态分解(EEMD)-样本熵(SE)和遗传算法(GA)来优化RBF神经网络的组合方法。利用EEMD分解法自适应地对负荷序列进行分解,结合样本熵对复杂度相似
基于AP-RBF算法的电力负荷短期预测研究,刘海燕,李良祎,针对传统电力负荷短期预测方法存在的问题,利用最新智能无模型网络训练方法,提出了一种基于数据挖掘技术的径向基函数神经网络��
论文研究-基于集成智能方法的电力短期负荷预测.pdf, 将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用
负荷预测基于最小二乘支持向量机lssvm,自己写的,原始数据也是自己的
