数据挖掘和动态神经网络在负荷预测中的研究与应用

• 作者: 丁树春 李晓峰 高巍巍 黄国兴
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 年度负荷预测 数据挖掘 数据补全 数据修正 NARX神经网络
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 219-222
• 页数: 4页
• 分类号: TP39
• 字数: 4232字
• 语种: 中文

摘要

中长期负荷变化规律与社会经济指标的关系很难用一个准确的数学模型来表达.将数据挖掘技术应用到全社会用电量增长的关联分析中,从2000年以来的社会经济指标中选取多项组成相关因素数据库,对缺失数据进行了补全,使用聚类分析挖掘出与全社会用电量关系密切的若干指标,并对指标中的失真数据进行修正,构建了更加科学的负荷预测模型.通过时间序列的动态神经网络,对负荷预测模型进行了测试和验证,结果表明该预测模型具有很好的收敛性,效果令人满意.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄国兴	华东师范大学软件学院	50	368	10.0	17.0
2	李晓峰	北京理工大学计算机科学与技术学院	20	70	5.0	7.0
3	高巍巍	黑龙江外国语学院信息科学系	21	38	4.0	5.0
4	丁树春	黑龙江大学电子工程学院	8	26	3.0	4.0