对传神经网络算法的改进及其应用

• 作者: 宋晓华 李彦斌 牛达 韩金山
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 负荷预测 人工神经网络 BP神经网络 对传神经网络
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 1059-1063
• 页数: 5页
• 分类号: TP39
• 字数: 3303字
• 语种: 中文

摘要

针对传统对传神经网络(Counter propagation networks,即CPN)要求输入向量必须均匀分布以及隐含层神经元个数难以确定,其应用受到很大局限等问题,对CPN算法进行改进并运用于电力负荷预测.研究结果表明:通过改进CPN算法的初始权重设置规则,克服了对输入向量限制过于严格的不足;通过优化算法运行步骤,提高了算法的运行效果;改进后的CPN算法比BP算法所得预测结果误差小,比目前电力负荷预测研究中RBF和Elman神经网络所得预测结果误差也小;与BP算法相比,CPN改进算法的预测精度提高4%左右,运算时间减少45%,适用于电力负荷的预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩金山	华北电力大学工商管理学院	23	283	10.0	16.0
2	宋晓华	华北电力大学工商管理学院	53	376	10.0	18.0
3	李彦斌	华北电力大学工商管理学院	48	511	11.0	21.0
4	牛达	华北电力大学工商管理学院	1	16	1.0	1.0