【摘 要】
：
针对在海量用电数据环境下,如何提高电力负荷预测精度的问题,文中提出了采用人工鱼群优化的极限学习机方法对电力负荷进行预测。对传统的极限学习机和人工鱼群算法的数学模型
论文部分内容阅读
针对在海量用电数据环境下,如何提高电力负荷预测精度的问题,文中提出了采用人工鱼群优化的极限学习机方法对电力负荷进行预测。对传统的极限学习机和人工鱼群算法的数学模型进行了分析,文中提出采用人工鱼群算法优化极限学习机的初始权值和阈值,将人工鱼群全局寻优之后获得最优个体作为极限学习机的输入权值和隐层阈值,从而提高极限学习机的网络性能。通过仿真实验,将改进的极限学习机与传统的极限学习机进行结果对比分析,发现改进的极限学习机误差更小,验证了文中所提方法在电力负荷预测上的有效性和可行性。
其他文献
光伏发电系统的发电效率和光伏组件的材料、组件安装的倾斜角度及组件功率等因素有密切关系,为了科学地研究这些因素对发电量的实际影响,文中选择使用Hadoop大数据分析工具,
针对小面积田间种植参数低成本、直观化采集的需求,文中介绍了一种基于近场通信（NFC）技术的种植参数采集节点。该节点能自主地对与田间种植相关的土壤环境特性、日光辐照、空气
针对SSD卷积神经网络在小目标识别度低等原因,文中提出一种新型的基于深度学习(CNN)目标检测网络模型。首先,采用数据增强方式减轻过拟合,提高网络模型泛化能力,其次,在基础网络卷积层引入1~*1小卷积,与原始卷积核交叉进行卷积操作,提高小目标检测识别率,降低网络计算成本。然后,结合两次策略进行微调训练,加快训练收敛速度,提高目标识别精确度。本中提出基于CNN新型目标检测网络模型通过改变卷积核参数规