基于GN-BFGS算法的RBF神经网络短期负荷预测

• 作者: 夏道止 张涛 杨增辉 谷庆利 赵登福
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 短期负荷预测 GN-BFGS算法 RBF神经网络
• 年，卷（期）: 2003,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 33-36
• 页数: 4页
• 分类号: TM715|TP183
• 字数: 3345字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2003.04.007

摘要

提出了应用混合GN(Gauss-Newton)-BFGS(Broyden-Fletcher-Goldfarb-Shanno)法进行RBF(径向基函数)神经网络学习的算法.这种方法结合GN法与BFGS法的特点,既尽可能地利用了问题本身的特殊结构,又能取得超线性甚至二次渐近收敛率,因此有效地提高了学习效率.在学习过程中,利用该方法能够区分零残量和非零残量,并利用这种特点进行隐层神经元数目的自动调整,从而可以保证神经网络的学习能力和推广能力.多个实际电网的负荷预测结果表明,该方法同神经网络的其他算法相比,具有训练时间短、预测精度高的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵登福	西安交通大学电气工程系	37	1399	17.0	37.0
2	夏道止	西安交通大学电气工程系	39	2222	24.0	39.0
3	张涛	西安交通大学电气工程系	76	1386	17.0	36.0
4	杨增辉	西安交通大学电气工程系	4	96	3.0	4.0
5	谷庆利	西安交通大学电气工程系	2	55	2.0	2.0