共 1 条
电力系统短期负荷预测的多神经网络Boosting集成模型
被引：6
作者：
高琳
高峰
管晓宏
周佃民
机构：
[1] 西安交通大学电气工程学院
[2] 西安交通大学机械制造系统工程国家重点实验室
[3] 西安交通大学机械制造系统工程国家重点实验室 西安
[4] 西安
来源：
基金：
国家杰出青年科学基金;
关键词：
短期负荷预测;
Boosting算法;
神经网络集成;
D O I：
暂无
中图分类号：
TP181 [自动推理、机器学习];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.
引用
收藏
页码：1026 / 1030
页数：5
相关论文