基于Bagging算法和遗传BP神经网络的负荷预测

84 4.4
34 2021-04-26
pdf | 277KB | 4页
正文 简介
负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经Bagging方法集成,目的是提高其准确率。通过Matlab仿真进行实验,结果表明,基于Bagging算法集成遗传神经网络,能够克服传统BP神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。
*温馨提示:该数据为用户自主上传分享,如有侵权请举报或联系客服:400-823-1298处理。
z120***
z120***
服务: -
数据量: 5
人气: -
擅长:土建 给排水 暖通

您可能感兴趣

原价: 100 积分
立即购买

老客限时专享

优惠券专享

恭喜您获得500元优惠券