证据理论Dempster法则融合神经网络的短期负荷预测

• 作者: 孙奇 杨伟
• 来源期刊: 华中电力
• 学科: 工学
• 关键词: 证据理论 Dempster合成法则 负荷预测 神经网络
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 试验与研究
• 页码范围: 1-4,7
• 页数: 5页
• 分类号: TM715
• 字数: 4252字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6519.2007.03.001

摘要

针对传统神经网络收敛速度较慢且实时性较差的缺点,在考虑气候因素的情况下,分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测.通过对预测误差的分析,用证据理论的Dempster合成法则对算法进行融合,通过选取待预测日之前几天的数据作为融合样本,规定相应的基本信度函数,得到融合后的信度分配,从而决定相应时刻的预测模型.仿真结果表明,经过证据理论融合后选择的负荷预测算法具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨伟	南京理工大学动力工程学院	91	1166	20.0	31.0
2	孙奇	南京理工大学动力工程学院	9	53	3.0	7.0