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

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。