基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对供热过程的特点及节能控制的需要,提出基于RBF神经网络的时间序列交叉供热负荷预报法.首先对现场实测的供热负荷数据进行预处理,取得建立预报模型所需的负荷样本阵列;随后,应用自相关法求取RBF神经网络的输入维数,并分别建立时间序列的横向及纵向预报模型;最后用最小二乘法求出横向与纵向负荷预报的交叉权系数,得到RBF神经网络的时间序列交叉预报模型.仿真结果表明,RBF神经网络交叉负荷预报的精度高于横向负荷预报及纵向负荷预报,其实时性要优于BP神经网络交叉负荷预报.
推荐文章
基于改进RBF神经网络的混沌时间序列预测
RBF神经网络
相空间重构
嵌入维数
延迟时间
混沌时间序列
基于RBF神经网络的水闸垂直位移时间序列预测模型
水闸垂直位移
RBF神经网络
时间序列
预测模型
神经网络工具箱
基于RBF神经网络的池州市降水序列预测
时间序列
RBF神经网络
降水量
BP
预测
池州
基于RBF神经网络的时间序列预测
RBF网络
BP网络
时间序列预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于RBF神经网络的时间序列交叉供热负荷预报研究
来源期刊 电子学报 学科 工学
关键词 供热过程 负荷预报 RBF神经网络 时间序列交叉
年,卷(期) 2009,(11) 所属期刊栏目 学术论文
研究方向 页码范围 2444-2447
页数 4页 分类号 TM921.2
字数 2881字 语种 中文
DOI 10.3321/j.issn:0372-2112.2009.11.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李娟 哈尔滨工业大学电气工程及自动化学院 82 687 15.0 22.0
2 齐维贵 哈尔滨工业大学电气工程及自动化学院 42 486 14.0 19.0
3 邓盛川 哈尔滨工业大学电气工程及自动化学院 10 85 6.0 9.0
4 张永明 哈尔滨工业大学电气工程及自动化学院 17 145 8.0 11.0
5 陈烈 哈尔滨工业大学电气工程及自动化学院 6 48 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (22)
参考文献  (7)
节点文献
引证文献  (19)
同被引文献  (19)
二级引证文献  (6)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(4)
  • 引证文献(4)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(5)
  • 引证文献(3)
  • 二级引证文献(2)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
供热过程
负荷预报
RBF神经网络
时间序列交叉
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导