改进的TSK型动态模糊神经网络在短期负荷预测中的应用

• 作者: 杜鹃
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 动态模糊神经网络 短期负荷预测 椭圆基函数 模糊规则 EUNITE竞赛数据
• 年，卷（期）: 2010,（4）
• 页码范围: 69-75
• 页数: 7页
• 分类号: TM715
• 语种: 中文

摘要

将改进的TSK犁模糊神经网络(fuzzy neural network,FNN)应用于短期负荷预测.该FNN由椭圆基函数构成神经元的中心和宽度参数,并且具有以下特征:网络结构和参数可自动并同时进行调整,不需提前分割输入空间,也不需提前选择网络初始参数;模糊规则在学习过程中可动态增删,不需采用迭代算法即可快速生成.这种模糊规则可动态增删的模糊神经网络(growing and pruning fuzzy neural network,GPFNN)简单有效,可以降低网络的复杂性,加快网络的学习速度.使用EUNITE竞赛数据作测试数据对上述GPFNN方法进行测试,结果表明采用该方法进行短期负荷预测时可获得较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜鹃		1	0	0.0	0.0