小波神经元网络研究论文

《小波神经元网络研究论文 》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、小波神经元网络研究论文　　摘要：小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性。为更好地反映气象因素对负荷的影响及提高负荷猜测的精度，文章选用Morlet小波构建小波神经元网络，采用误差反传学习算法来练习网络，采用自学习隶属度分析聚类的新方法选择练习样本。并应用武汉电网近年的负荷数据和气象资料进行了建模和猜测，猜测结果表明所建立的小波神经元网络猜测模型具有较好的收敛性，采用自学习隶属度分析聚类方法选择练习样本能改善猜测精度。摘要：小波神经元网络；隶属度；短期负荷猜测；电力系统SHORT-TERMLO

2、ADFORECASTINGBASEDONWAVELETNEURALNETWORKABSTRACT摘要：Waveletneuralnetwork(WNN)possessesmoredrecisionofloadforecasting,theMorletwaveletischosentoestablishawaveletneuronnetwork,thebackpropagatealgorithmisadoptedtotraintheWNNnetwork,anewmethodofaterconvergenceandt

3、heforecastingprecisioncanbeimprovedbychoos摘要：Waveletneuralnetwork；Membership；Short-termloadforecasting；Powersystem1引言短期负荷猜测是负荷猜测的重要组成部分，是电力系统运行调度中的重要内容。国内外已提出了多种短期负荷猜测方法，如多元回归、ARMA模型、人工神经元网络方法等。可归类为摘要：①小波神经元网络研究论文　　摘要：小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性。为更好地反映气象因素

4、对负荷的影响及提高负荷猜测的精度，文章选用Morlet小波构建小波神经元网络，采用误差反传学习算法来练习网络，采用自学习隶属度分析聚类的新方法选择练习样本。并应用武汉电网近年的负荷数据和气象资料进行了建模和猜测，猜测结果表明所建立的小波神经元网络猜测模型具有较好的收敛性，采用自学习隶属度分析聚类方法选择练习样本能改善猜测精度。摘要：小波神经元网络；隶属度；短期负荷猜测；电力系统SHORT-TERMLOADFORECASTINGBASEDONWAVELETNEURALNETWORKABSTRACT摘要：Wavele

5、tneuralnetwork(WNN)possessesmoredrecisionofloadforecasting,theMorletwaveletischosentoestablishawaveletneuronnetwork,thebackpropagatealgorithmisadoptedtotraintheWNNnetwork,anewmethodofaterconvergenceandtheforecastingprecisioncanbeimprovedbychoos摘要：Waveletneura

6、lnetwork；Membership；Short-termloadforecasting；Powersystem1引言短期负荷猜测是负荷猜测的重要组成部分，是电力系统运行调度中的重要内容。国内外已提出了多种短期负荷猜测方法，如多元回归、ARMA模型、人工神经元网络方法等。可归类为摘要：①小波神经元网络研究论文　　摘要：小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性。为更好地反映气象因素对负荷的影响及提高负荷猜测的精度，文章选用Morlet小波构建小波神经元网络，采用误差反传学习算法来练习网络，采用

7、自学习隶属度分析聚类的新方法选择练习样本。并应用武汉电网近年的负荷数据和气象资料进行了建模和猜测，猜测结果表明所建立的小波神经元网络猜测模型具有较好的收敛性，采用自学习隶属度分析聚类方法选择练习样本能改善猜测精度。摘要：小波神经元网络；隶属度；短期负荷猜测；电力系统SHORT-TERMLOADFORECASTINGBASEDONWAVELETNEURALNETWORKABSTRACT摘要：Waveletneuralnetwork(WNN)possessesmoredrecisionofloadforecastin

8、g,theMorletwaveletischosentoestablishawaveletneuronnetwork,thebackpropagatealgorithmisadoptedtotraintheWNNnetwork,anewmethodofaterconvergenceandtheforecastingprecisioncanbeimprovedbychoos