计算智能概论

《计算智能概论》由会员分享，可在线阅读，更多相关《计算智能概论（3页珍藏版）》请在金锄头文库上搜索。

1、本文格式为Word版，下载可任意编辑计算智能概论 计 算 智 能 概 学院: 信息科学与工程 专业: 软件工程 学号: 202216040105 姓名: 李小光 论 RBF神经网络在中长期负荷预料中的应用 随着我国电力事业的进展电网管理日趋现代化,负荷预料问题的研究也越 来越引起人们的重视,并已成为现代电力系统科学中一个重要领域。在实践中,无论是制订电力系统规划还是实现电力系统运行自动化,举行相应的负荷预料都是必不成少的。负荷预料的核心问题是预料的技术方法,或者说是预料的数学模型。由于人工神经网络ANN(artificialneuralnetwork)适于解决时间序列预料问题(尤其是平稳随机过

2、程的预料),其在电力系统负荷预料中的应用从理论上是可行的。所以,ANN一经引入电力系统负荷预料就成为其应用研究的一个领域。 与ANN方法中一般采用的BP(backpropagation)算法相比,后来进展起来的径向基函数RBF(radialbasisfunction)网络具有良好的推广才能,而且学习速度比通常的BP算法快得多。本文从中长期负荷预料的实际应用启程,将径向基函数网络引入缺损数据的处理并提出了基于RBF神经网络的提升的预料模型,重点议论了空缺数据的补全、失真数据的查找和修正以及预料模型的提升,多个仿真算例结果均具有很好的收敛性,且效果令人合意。 径向基函数RBF神经网络的布局与多层前

3、向网络类似,它也是一种三层前向网络(布局下图所示)。输入层由信号源点组成;其次层为隐含层,它将输入空间映射到新的空间,其元数视所描述问题的需要而定;第三层为输出层,它对输入模式的作用做出响应。从输入空间到隐含层空间的变换是非线性的,它执行的是一种用于特征提取的非线性变换,而从隐含层空间到输出层空间变换是线性的。隐含层单元的变换函数是RBF函数,与BP网络中的Sigmoid函数相类似,只不过它是一种局片面布的对中心点径向对称衰减的非负非线性函数。 RBF网络应用的关键是隐层节点基函数的中心C和方差的选取以及隐层与输出层间权值确实定。根据径向基函数中心选取方法的不同,RBF网络有不同的学习方法,其中最常用的四种学习方法是:随机选取中心法、自组织选取中心法、有监视选取中心法和正交最小二乘法。这些学习方法的概括推导可 3