共 13 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
基于混沌时间序列的Elman神经网络工业用电预测
被引：29
作者：
李媛
武岩岩
王思琪
机构：
[1] 沈阳工业大学理学院
来源：
关键词：
时间序列;
混沌理论;
小数据量法;
最大Lyapunov指数;
混沌特征数;
相空间重构;
Elman神经网络;
工业月用电量;
D O I：
暂无
中图分类号：
TM715 [电力系统规划];
TP183 [人工神经网络与计算];
学科分类号：
080802 [电力系统及其自动化];
140502 [人工智能];
摘要：
针对电力负荷数据在多重因素相互影响下呈现非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测.利用小数据量法计算最大Lyapunov指数,判别负荷时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练.通过对实测数据进行预测仿真,表明该模型达到了较好的预测效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性.
引用
收藏
页码：196 / 200
页数：5
相关论文