100 积分
50
评分
4.4 积分- 详情
- 2021-04-26
- 简介
pdf
- 277KB
- 页数 4P
- 阅读 83
- 下载 34
负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经Bagging方法集成,目的是提高其准确率。通过Matlab仿真进行实验,结果表明,基于Bagging算法集成遗传神经网络,能够克服传统BP神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于Bagging算法和遗传BP神经网络的负荷预测 277KB
基于遗传算法和BP神经网络的短期电力负荷预测 586KB
基于BP神经网络和遗传算法的年负荷预测与分析 527KB
基于BP神经网络和遗传算法的年负荷预测与分析 199KB
基于BP神经网络的电力负荷预测算法 82KB
基于BP神经网络的短期负荷预测研究 114KB
基于BP神经网络的短期负荷预测研究 114KB
基于BP神经网络的短期负荷预测 120KB
基于BP人工神经网络的空调降温负荷预测 1.2MB
基于BP神经网络数学模型的短期负荷预测研究 823KB