或者偏差。为经偏差调整后的值，也成为神经元的局部感应区。目前误差反向传播网络是最常用最成熟的人工神经网络。它由等人在年提出。算法的基本思想是学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，进过各隐含层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播。误差反传是将输出误差以种形式通过隐含层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各层单元权值的依据。这种信号的正向传播和误差的方向传播的各层权值调整方式是周而复始的进行的。权值不断调整的过程中也就是网络学习的过程，此过程直进行到网络输出误差减少到可接受的程度，或者进行到预先设定的学习次数为止。区域用电量预测系统中所用的是三层神经网络模型，即单隐含层网。所谓的三层包括输入层隐含层和输出层。神经网络模型适用于用电量影响因素获取不全等情况下来解决用户的预测需求。它是种自学习模型，能够主动学习数据本身所蕴含的内在规律。三层神经网络模型如下图所示。图三层神经网络图各层对应的数学关系如下对于输出层，有对于隐含层，有,,,,,,以上公式中激活函数可以为单极性函数，，具有联系，可导的特点，具有的特点。以上各式，共同构成了三层网的数学模型。下面将给出区域用电量预测系统中的神经网络模型主体函数的实现算法参数列表主要功能函数初始化为到之间随机型归化处理训练数据训练误差εε是个极小的数参数列表计算参数列表即为输出计算误差调整各项权重并反向传播调整预测用数据等参数反归化在区域用电量预测系统中，神经网络模型算法的程序实现流程如下图初始化,输入样本计算各层输出计算误差增计算各层误差信号计算各层权值增ε,结束图算法流程图首先，对输入层与隐含层之间的权值矩阵和隐含层与输出层之间的权值矩阵进行初始化赋值，赋值的方法是产生个介于和之间的随机小数，设置最大网络学习次数学习率和设定个很小的数ε。根据用户设定的预测条件，从用电量表中读入历史真实用电量数据。由于真实用电量数据数字较大，为此，对真实用电量数据做归化处理。将准备好的训练数据带入模型中进行网络训练，计算每层输出，在输出层的输出没有达到要求或者没有达到训练次数之前，将会对权值矩阵持续的调整，直到达到要求为止。在权值矩阵训练完毕后，将需要预测的数据带入模型，使用训练完成的权重矩阵完成对用电量的预测。计量经济学模型计量经济学是以统计知识为基础数学方法为手段经济理论为指导，考察和研究经济社会中各种经济变量之间的数量关系，预测经济走势发展的趋势，检验和预测经济政策效果的门非常具有使用价值的学科。在建立宏观经济模型预测经济发展趋势和模拟政策效果方面，计量经济学正在起着越来越重要的作用，得到越来越多广泛的应用。与般的数学方法相比，计量经济学方法的研究对象发生了很多变化，从研究确定性问题转向了非确定性问题，因此在方法的性质结论和性质上都有了不小的变换。概率论和数理统计作为计量经济学模型的基础，是种新的数学形式。它的结论是概率性的，是不确定的。区域用电量预测系统中所使用的计量经济学建模过程如下按行业按年度月度分地区绘制用电量数据时间曲线图，通过曲线走势和数据对比方法发现用电量变化基本规律，确定解释变量关键影响因素利用因果关系检验方法，如格兰杰因果检验法等，对各解释变量间的自相关性进行检验，约减自相关变量建立用电量数据分布滞后模型，并利用历史数据确定各变量系数对比分布滞后模型估计值与真实数据，计算估计残差进行残差分析，修正分布滞后模型的误差修正项，以提高预测精度。在区域用电量预测系统中，通过对历史数据的拟合，并对得出的模型进行结果修正。最后得出区域用电量系统中所使用的模型其中为经济折点参数，在经济折点之前为，经济折点之后为为训练数据的记录数，用户选择时段,为训练数据，则初始月设为，之后递增。为当前月参数，记录当前训练数据所代表的月份为季节参数为温度参数。计量经济学模型算法的计算主体过程如下参数参数矩阵最后行不可逆因素排查矩阵计算输出以下是区域用电量预测系统中使用的计量经济学模型的算法流程图如下图所示读入数据生成矩阵与矩阵生成预测月信息矩阵消除不可逆因素矩阵计算计算预测值输出结果循环结束结束图计量经济学算法流程图另外，由于计量经济学模型运算过程中的特殊性，区域用电量预测系统在实现计量经济学模型的具体实现中对程序做了以下几个特殊的处理计量经济学模型中涉及大量的矩阵计算，从程序实现的角度来说，需要定义些的特殊的数组操作来模拟矩阵的运算。比如矩阵的乘法转置和求逆操作。因此程序中涉及矩阵的部分全部以数组来代替。设定了数据阈值，即预测数据数目必须满足定数量才会允许用户进行预测。在对历史数据拟合的过程中发现，当两条训练数据跨度大于年的时候，它们之间的相关性就非常小。因此设定数据阈值为。模拟队列的思想，定义了个训练队列，每次结束次预测即将该次预测所产生的数组添加到训练队列的最底部，原训练队列中的数据依次向队列头部前移位，最顶部的训练数据移出训练队列，并把本次预测产生的用电量数据添加到数组最底部，数组的其他操作同数据。由于每次循环结束后都会将数组压入队列，有可能会产生训练队列中行或者两列重复，导致数组不可逆的情况的产生。所以，在每次的循环开始后首先对训练矩阵进行不可逆因素的排查，保证每次进入训练环节的矩阵为可逆矩阵。灰色系统模型灰色系统理论在年由华中科技大学控制科学与工程系教授博士生导师邓聚龙提出的种用了解决信息不完备系统的数学方法。后经刘思峰教授等推广成为种具有代表意义的信息处理方法。灰色系统的名称来源于信息量的多少。在控制论中信息的多少用颜色来表示。在信息量充足，确定的为白色信息缺乏，不确定为黑色部分确定和部分不确定为灰色。这种方法把每个随机变量看成是个在给定范围内变化的灰色变量。且不用统计的方法来处理灰色变量，直接处理原始数据，来寻找内在的变化规律。由于在经济社会科学和工程等诸多领域大量存在着灰色系统，并且灰色模型预测具有原始数据少原理简单不考虑分布规律等特点，因此这种预测方法得到了广泛的应用。灰色预测算法的基本思想是首先，对原始时间序列进行次累加操作，生成新的时间序列然后，根据灰色理论，假设新的时间序列具有指数变化规律，建立相应的微分方程进行拟合，进而利用差分对方程进行离散化得到个线性方程组最后，利用最小二乘法对未知参数进行估计，从而最终得到预测模型。区域用电量预测系统中所用的灰色模型方法主要为,模型与,模型。,是使用范围最广泛，研究最多的种灰色模型。它是由个只包含单变量的阶微分方程构成的。原始,模型的原理如下设有为元序列，，，同时构建数据矩阵,,,为的生成，建立,模型的白化形式微分方程，按最小二乘法有矩阵运算，其中，背景值取前后个时刻的等权滑动平均来代替，则背景值序列为，向量矩阵，为发展系数，为灰作用量。带入数据后，能够得出,定义型白化模型的响应式为对做累减计算后，得序列，，和则是对第年的预测结果。下面是对,模型的简单算法表示参数读入真实用电量数据做原始训练数据生成生成背景值计算,生成，矩阵,从第个数据直循环至原数据个数加预测信息输出结果区域用电量系统中灰色模型预测的程序实现流程图如图所示初始化预测条件生成矩阵矩阵根据预测条件读入训练数据并做归化处理矩阵运算计算获得,确定背景值达到预测次数输出结果并结束图灰色模型预测流程图,模型是，模型的特殊情形，即仅考虑主因子和相关因子两个序列。与,模型相同模型也是阶微分方程。比较,模型模型的优点在于方面融合更多的灰色信息，体现系统发展的驱动力或主要影响因子另方面，能够通过驱动因子或主要影响变量的输入可以辅助原序列的变化，而,毛李帆偏最小二乘回归分析在中长期负荷预测中的研究长沙湖南大学,陈娟吉培荣卢丰指数平滑法及其在符合预测中的应用三峡大学学报吉培荣,张玉文,简作群优选平滑系数的指数平滑法电量预测系统电网技术宋小安模拟电路故障诊断的专家系统法与神经网络法研究南京河海大学,牛东晓,赵磊,张博等粒子群优化灰色模型在负荷预测中的应用中国管理科学谭忠富,张金良等中长期负荷预测的计量经济学与系统动力学组合模型电网技术,王彦红,许跃进地区农网变电规模预测研究及软件研究农机化研究强同波,李伯伟社会用电分析系统软件的开发研究山东教育学院学报戚岳基于计量经济学的中长期电力负荷分析及预测北京北京交通大学,,,,,,,,黄梯云,梁昌勇,杨善林集成定性推理的结构模型研究管理科学学报陈国顺,付卫华类库概述现代情报张芳明,毛弋基于的电力负荷预测系统微计算机信息,谭海龙,梁建武,孙正君基于的电力负荷预测系统设计与