论文部分内容阅读
数据样本集的好坏直接影响着神经网络的训练速度和预测精度。主要研究了人工神经网络（ANN）中长期电力负荷预测中产生样本数据集的两个步骤：变量选择和数据处理。通过对已有的变量选择方法和数据处理方法进行分析对比,得出将样本数据变换至[-0.5,0.5]区间后能够有效地提高预测精度的结论;并引入常规预测方法中的年份预测法（即用年份作为神经网络的输入变量进行预测）。通过实际算例计算,证明了分析结论的正确性和神经网络预测中年份预测法的可行性及有效性。