您当前的位置:首页>论文资料>基于改进神经网络和IOWA算子的风速组合预测

基于改进神经网络和IOWA算子的风速组合预测

资料类别:论文资料

文档格式:PDF电子版

文件大小:2.17 MB

资料语言:中文

更新时间:2024-12-20 13:40:35



推荐标签:

内容简介

基于改进神经网络和IOWA算子的风速组合预测 数事教术与微用
应用研究
基于改进神经网络和IOWA算子的风速组合预测
敖培赵四方冯志鹏李延强
(河南师范大学计算机与信息工程学院河南新乡453007)
摘要:为了对风速进行准确的预测,本丈提出一种计算智能改遗神经网络和IOWA算于的组合预测方法。实验表明,与单项预测模型相比,该算法有更高的预测精度。
关键词:计算智能神经网络IOWA算子中图分类号:TM715
文献标识码:A
1引言
文章编号:1007-9416(2014)09-0071-01
进行交叉的两个个体中适应度值较大者,f,为欲进行变异操作的个
本文提出采用IOWA算子将各计算智能改进神经网络单项预测结果集成,对风电场风速进行组合预测的方法。通过对某风电场四个季节中4天24小时的风速预测结果表明,与单项模型预测方法
相比,本文所提出的方法能有效提高预测精度。 2基于计算智能改进的神经网络
本文利用遗传、免疫和粗髓集等计算智能算法具有的不同优势,对神经网络结构进行改进,进而构成单项预测模型。
2.1遗传神经网络
采用遗传算法确定拓扑结构固定的神经网络连接权重,具体步骤如下:
Step1:采用实数编码。
Step2:将染色体上表示的各连接权值按对应方式分配到给定的网络结构,网络以训练集样本为输人输出,计算F=1/(1+E)值。
Step 3:网络权值初始化,按式pnit=±exp(」1),11 <4随机确定网络权值,
Step4:采用联赛方式选择遗传操作个体。
Step5对权值采用有效线性交叉操作p.+I=αp,+(1-α)p", D*+1=αP,+(1α)*,αE(1.2,1.5),p和p,为上一代两个个体, P*+1和p+1为经过交叉操作后的两个新个体,α为常数。
Step6:高斯变异进行变异操作pr=p"+β,Fa·u(ou),β为常数系数,μ(0,1)为高斯算子。
[ ..U.., ≥
Step 7:按P.=k,
J,f
....-)
和P=行
U..fS, ≥f
更新交叉率和变异率,k,和k.为小于1的常数,f,为欲
f. 日期 3月15 日
6月15 日
9月15 日
12月15 日
表1多种预测方法预测误差比较
误差指
标 MAE MAPE MAE MAPE MAE MAPE MAE MAPE
遗传神经
网络 0.6688 0.1047 0.7751 0.0845 0.7834 0.2103 0.6215 0.1778
收移日期:2014-0823
免疫神经
网络 0.6541 0.1080 0.7764 0.0821 0.7895 0.1975 0.6334 0.1718
粗糙神经
网络 0.6523 0.1056 0.7778 0.0872 0.7784 0.2111 0.6267 0.1918
本文方法
0.5435 0.1014 0.7521 0.0801 0.7613 0.1823 0.6018 0.1579
体适应度值,f和f为群体的最大和平均适应度值。
2.2免疫神经网络
为了利用待求解问题的特征信息提高网络的处理能力,将神经
网络神经元的激励,函数设计成带有一系列参数的函数族,输出单元设计成“疫苗接种单元”。
2.3祖神经网络
基于租糙神经网络的每个神经元由上近似元和下近似元组成,分别代表租提集的上下近似。这里神经元之闻的连接方式按文献2] 选取。
3基于IOWA算子的组合预测方法
基于IOWA(Induced Ordered Weighted Averaging)算子的组合预测模型,通过弓进IOWA算子,对每个单项预测方法在样本区间上各个时点的拟合精度的高低按顺序赋权,以误差平方和为准则
建立组合预测模型,可以提高预测精度叫。 4实例分析
本文选取某风电场采样时闻间隔1小时的预测期前的800个实测风速数据为训练样本,单项预测模型采用第2节中的改进神经网络,并按第3节基于IOWA算子的组合预测模型对当年4个季节中的 4天24小时的风速值进行预测风速进行组合预测。将本文方法与各单项预测模型预测结果进行比较,本文所提出方法MAE和MAPE均
较小,如表1所示。 5结语
为了对风速进行准确的预测,本文提出采用遗传算法,免疫算法和粗糙集对神经网络结构进行改进构成单项预测模型,然后采用 IOWA算子对预测结果进行集成。实验表明,与单项预测模型相比,
该算法有更高的预测精度。参考文献
[1]糖建明.基于集成计算智能的图像临惠融合技术研究[D].上海:上海大学.2005.
[2]教培.车龙华.基于环境特性网的负荷组合预测[J].煤炭学报, 2011.36(9):15751580.
基金项目:河南省教育厅科学技术研究重点项目基础研究计划No.13A413506;河南师范大学青年科学基全项日No.01116400031。作者简介数培(1979一)女,蒙古族,迁宁沈阳人,讲师.博士,项士生导师,研究领域为望能信息处理:
赵四方(1995一),男,汉族,河南林州人,本科,研究领城为计算杭科学与技术:冯志鹏(1995一),,汉族,河南新多人,本科,研究领城为计算机科学与技术;李延强(1993一)男,汉族,河南中车人,本科,研究领城为思想政治教育。
上一章:基于非视距鉴别的无线传感器网络混合定位算法的研究与设计 下一章:高职院校图书馆网络平台的设计与构建——以潍坊护理职业学院为例

相关文章

基于改进稀疏自编码神经网络的软件缺陷预测 基于改进BP神经网络的路由器流量预测方法 基于鱼群的边缘检测改进算子 基于改进Canny算子的电力设备图像检测研究 基于神经网络和证据理论的样本预测方法 基于神经网络和马尔柯夫链的网络流量预测方法 基于主成分分析、遗传算法和神经网络对啤酒感官评价预测的研究 基于马尔科夫链和贝叶斯网络的钻井风险预测