基于ESN和改进RBFNN的城市燃气负荷预测

• 作者: 徐晓钟 徐玚
• 来源期刊: 计算机系统应用
• 关键词: 核Fisher线性判别 ESN RBF神经网络 差分进化 梯度下降 组合模型 燃气负荷预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 专论·综述
• 页码范围: 28-35
• 页数: 8页
• 字数: 6101字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006798

摘要

城市燃气负荷预测是城市燃气管网系统运行调度中的重要内容.针对燃气负荷数据的周期性和非线性特点,以及单一模型存在的局限性,本文提出一种ESN和改进RBF神经网络的组合预测模型.首先用核Fisher线性判别对原始数据进行降维,其次用ESN模型进行初步预测,然后将ESN的预测结果作为RBF神经网络的输入来构建组合模型,并将差分进化算法和梯度下降算法结合,对RBF神经网络的结构和参数同时进行训练和优化,以增强算法的局部搜索能力,加快收敛速度.实验结果表明,本文模型比原组合模型的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晓钟	上海师范大学信息与机电工程学院	25	214	8.0	14.0
2	徐玚	上海师范大学信息与机电工程学院	1	0	0.0	0.0