基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型

• 作者: 王江荣
• 来源期刊: 电气自动化
• 学科: 工学
• 关键词: 卡尔曼滤波 G(1,1)模型 预测 PSO算法 BP神经网络
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 电源技术
• 页码范围: 24-26
• 页数: 3页
• 分类号: TP18
• 字数: 3000字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3886.2014.01.010

摘要

针对波动大且具有非平稳性的负荷序列预测问题,建立了基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型(R.EKalman-G(1,1)-PSO-BP).利用了卡尔曼滤波算法能够剔除非平稳序列中的随机误差,以获得逼近真实情况的有效信息的特点,对负荷测量序列进行滤波处理,根据GM(1,1)模型算法对滤波后的量测序列进行拟合预测.利用基于粒子群优化算法的BP神经网络算法对残差进行修正,得到了新的预测值.实践表明新预测值的整体精确度远高于GM(1,1)模型及Kalman -G(1,1)模型的预测精度.因此,所建模型具有较高的使用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王江荣	兰州石化职业技术学院信息处理与控制工程系	111	264	7.0	9.0