100 积分
50
评分
4.6 积分- 详情
- 2021-04-27
- 简介
pdf
- 387KB
- 页数 4P
- 阅读 73
- 下载 21
灰色GM(1,1)预测模型,要求样本数据少,具有原理简单、运算方便、短期预测精度高、可检验等优点,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数α造成的,为此引入向量θ,建立残差GM(1,1,θ)模型,利用蚁群优化算法对其进行求解,同时应用神经网络对其预测残差进行优化。实证分析表明,与传统的预测方法相比,大大提高了预测精度,该方法具有一定的实用价值。
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
基于神经网络修正的残差智能灰色模型在负荷预测中的应用 387KB
基于差分理论的短期负荷预测神经网络模型 78KB
基于灰色模型和神经网络组合的短期负荷预测方法 277KB
基于灰色神经网络组合模型的日最高负荷预测 574KB
基于Elman型神经网络的空调负荷预测模型 587KB
一种基于多神经网络的组合负荷预测模型 755KB
基于HHT和神经网络组合的负荷预测模型研究 357KB
基于相似度与神经网络的协同短期负荷预测模型 277KB
灰色神经网络中的基于电力系统负荷预测研究 77KB
基于人工神经网络的短期负荷预测的研究 271KB