论文部分内容阅读
针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题,提出一种基于改进的Elman神经网络的双向预测模型.该模型利用关联层动态神经元的反馈连接,将未来预测网络和过去预测网络的信息进行融合,使网络对时间序列特征信息的记忆得到加强,从而提高预测精度.用该文提出的双向预测模型对电池阵功率进行预测,输入层仅需一个节点,不需事先对模型进行定阶.仿真预测表明,预测精度比单向模型明显提高,且网络具有较好的泛化能力.