1、“.....提高了预测精度,并用遗传算法优化神经网络的初始权值阈值,从而找到全局最优解通过仿真实例的分析,并和网络改进的网络进行了比较,结果表明用智能组合预测模型进行短期承接层到中间层的连接权值表示输出神经元的传递函数表示中间层神经元的传递函数,采用型函数神经网络学习指标函数采用误差平方和函数组合预测方法原理假设在预测问题中,在序输人数据,而且可以存储顺序输人数据中的过去的些信息这样,在训练过程中就能够动态地回溯到与当前时刻期望输出有关的个时刻,的网络输入在神经网络的模型结构中,非线性组合预测方法在电力负荷预测中的应用原稿据进行辨识和压缩,快速分类相似数据,在保证原始数据信息不丢失的基础上,有效的减少数据量,方便模型训练......”。

2、“.....得输人层内增加大量的历史负荷数据,这不仅加重了网络的训练负担,还容易陷入局部极小点而改进的网络结构与前向神经网络不同之处在于隐含层的输出会反馈回来,形成个动态网络,其反馈单元数目可以保证在电力负荷领域保持稳定的预测精度智能组合预测方法是建立在最大信息利用的基础上,最优组合各种单预测模型的优点,提高负荷预测精度在对原始数据进行处理时,选取网络对原始数的输入之间增加了个承接层,起到延迟和存储的作用,这种连接方式相当于增加个反馈环节,使其对历史数据具有敏感性,反馈网络的加入增强了网络处理动态信息的能力,从而达到动态建模的目的传统的神经网之。组合预测理论认为对同预测问题而言......”。

3、“.....在定条件下能够有效地改善模型的拟合能力和提高预测的精度。采用改进的网络进行负荷预测改进的神经网络是采用算法来进行负荷预测,算法是种静态神经网络,其网络的输出只由当前网络的输入决定,与在此之前网络的输入无关,不具有记忆性而电力负荷具有定的周期特性,为了得到良好的预测结果,人们在摘要电力负荷预测是电力生产和发展的基本依据,目前没有任何种方法能保证任何情况下都获得满意的预测结果。因此,在做具体规划时往往先同时采用几种方法进行预测,再将不同的预测结果加以比较,然后规出了网络的第个模块选取神经网络对历史负荷数据和各种影响因素进行训练,得到网络的第个模块......”。

4、“.....分阈值,选取更加合理的网络初始值,使预测精度更高和预测结果更加可靠组合预测方法在电力负荷预测中的应用原稿组合预测方法在电力负荷预测中的应用原稿。关键词负荷预测组合预测规划智能组隐含层神经元数目相同由于反馈的作用,可以将隐含层当前时刻的状态保存下来,在下时刻再反馈给隐含层,这种状态反馈就形成了递归网络所特有的动态记忆性因此,神经网络不仅可以存储当前的顺采用算法来进行负荷预测,算法是种静态神经网络,其网络的输出只由当前网络的输入决定,与在此之前网络的输入无关,不具有记忆性而电力负荷具有定的周期特性,为了得到良好的预测结果,人们在据进行辨识和压缩,快速分类相似数据,在保证原始数据信息不丢失的基础上......”。

5、“.....方便模型训练,构建出了网络的第个模块选取神经网络对历史负荷数据和各种影响因素进行训练,得荷预测中的应用原稿组合预测方法在电力负荷预测中的应用原稿。关键词负荷预测组合预测规划智能组合预测模型的构建由于影响短期电力负荷预测的因素众多及其不确定性,因此至今仍没有种方法组合预测方法在电力负荷预测中的应用原稿析所得到的预测结果并评价预测精度,如果不满足预测要求,则用遗传算法优化网络的权值和阈值,选取更加合理的网络初始值,使预测精度更高和预测结果更加可靠组合预测方法在电力负荷预测中的应用原稿据进行辨识和压缩,快速分类相似数据,在保证原始数据信息不丢失的基础上,有效的减少数据量,方便模型训练......”。

6、“.....得模型的优点,提高负荷预测精度在对原始数据进行处理时,选取网络对原始数据进行辨识和压缩,快速分类相似数据,在保证原始数据信息不丢失的基础上,有效的减少数据量,方便模型训练,构方法进行预测,再将不同的预测结果加以比较,然后规划人员或有经验的预测人员根据获得的有关信息对预测结果进行分析,并作必要的调整。为了充分利用各个负荷预测模型的有用信息,本文引入组合预测方法预测模型的构建由于影响短期电力负荷预测的因素众多及其不确定性,因此至今仍没有种方法可以保证在电力负荷领域保持稳定的预测精度智能组合预测方法是建立在最大信息利用的基础上,最优组合各种单预测采用算法来进行负荷预测,算法是种静态神经网络......”。

7、“.....与在此之前网络的输入无关,不具有记忆性而电力负荷具有定的周期特性,为了得到良好的预测结果,人们在网络的第个模块,并将第个模块的输出作为此模块的输入经第个模块的训练后得到的输出数据与原始数据进行比较,分析所得到的预测结果并评价预测精度,如果不满足预测要求,则用遗传算法优化网络的权值和可以保证在电力负荷领域保持稳定的预测精度智能组合预测方法是建立在最大信息利用的基础上,最优组合各种单预测模型的优点,提高负荷预测精度在对原始数据进行处理时,选取网络对原始数规划人员或有经验的预测人员根据获得的有关信息对预测结果进行分析,并作必要的调整。为了充分利用各个负荷预测模型的有用信息,本文引入组合预测方法......”。

8、“.....组合预测方法是当前预测科学研究中最热门的课题之。组合预测理论认为对同预测问题而言,多个不同预测模型的线性组合,在定条件下能够有效地改善模型的拟合能力和提高预测的精度组合预测方法在电力组合预测方法在电力负荷预测中的应用原稿据进行辨识和压缩,快速分类相似数据,在保证原始数据信息不丢失的基础上,有效的减少数据量,方便模型训练,构建出了网络的第个模块选取神经网络对历史负荷数据和各种影响因素进行训练,得电力负荷预测是种有效的方法,具有定的推广应用价值。摘要电力负荷预测是电力生产和发展的基本依据,目前没有任何种方法能保证任何情况下都获得满意的预测结果。因此......”。

9、“.....最优组合各种单预测模型的优点,提高负荷预测精度在对原始数据进行处理时,选取网络对原始数时段的实际值为。这样相应的预测误差为,如果各种预测方法的权重为,满足组合预测模型可表示为结论准确地进行电力系统短期负荷预测的关键在于预测模型的建立,本文应用智能组合预测模型,克服了传统状态空间表达式如下式中表示维输出节点向量表示维中间层节点单元向量表示维反馈状态向量表示维输入向量表示中间层到输出层的连接权值输入层到中间层的连接权值表隐含层神经元数目相同由于反馈的作用,可以将隐含层当前时刻的状态保存下来,在下时刻再反馈给隐含层,这种状态反馈就形成了递归网络所特有的动态记忆性因此......”。