[發(fā)明專利]一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測的模型輸入變量優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201410659476.6
• 申請日: 2014-11-07
• 公開（公告）號: CN104484700A
• 公開（公告）日: 2015-04-01
• 發(fā)明（設(shè)計）人: 朱繼萍;劉霞;劉密歌;張偉
• 申請（專利權(quán)）人: 西安文理學(xué)院
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及符合預(yù)測領(lǐng)域，具體涉及一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測的模型輸入變量優(yōu)化方法。

背景技術(shù)

負(fù)荷預(yù)測是城網(wǎng)規(guī)劃的基礎(chǔ)，對規(guī)劃的質(zhì)量起關(guān)鍵作用^[1]。目前，關(guān)于中長期負(fù)荷預(yù)測有多種方法，新的預(yù)測方法仍在不斷的研究中。由于城市建設(shè)發(fā)展的過程是變化的，經(jīng)濟預(yù)測數(shù)據(jù)及經(jīng)濟的增長也是變化的，未來發(fā)展的不確定性影響著負(fù)荷預(yù)測的準(zhǔn)確性。盡管目前已有多種預(yù)測方法，但各種方法都有局限性，不管采用何種算法和模型，都無法保證負(fù)荷預(yù)測的絕對準(zhǔn)確。

為提高負(fù)荷預(yù)測的準(zhǔn)確性，在進(jìn)行負(fù)荷預(yù)測時我們總希望凡是影響負(fù)荷的所有因素都能作為輸入變量，特別是那些作用顯著的因素不能漏掉。但是如果選擇的相關(guān)因素太多，意味著在資料收集上要全面準(zhǔn)確，在實際中有些資料的收集是很困難的，并且用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，選擇的輸入變量越多，預(yù)測的模型就越復(fù)雜，預(yù)測的精度也難以保證。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供了一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測的模型輸入變量優(yōu)化方法，提高負(fù)荷預(yù)測的精度。

為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測的模型輸入變量優(yōu)化方法，包括如下步驟：

S1、通過方差貢獻(xiàn)法選擇預(yù)測器的輸入變量；

S2、對步驟S1所得的輸入變量的相關(guān)因素的方差貢獻(xiàn)進(jìn)行F檢驗，剔除負(fù)荷的影響作用不顯著的輸入變量；

S3、檢查已選擇的輸入變量，去除對負(fù)荷作用變得不顯著的輸入變量；

S4、建立BP人工神經(jīng)網(wǎng)絡(luò)模型，引入步驟S3所得的輸入變量；

S5、進(jìn)行負(fù)荷預(yù)測。

其中，所述BP人工神經(jīng)網(wǎng)絡(luò)模型采用一個隱含層的BP網(wǎng)絡(luò)模型。

本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)原理，設(shè)計了一個由輸入層、隱含層和輸出層組成的三層BP網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)高度非線性建模能力，選取影響電力負(fù)荷的一些經(jīng)濟因素作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入變量，采用新定義的方差貢獻(xiàn)法對輸入變量進(jìn)行優(yōu)化選擇，提高了負(fù)荷預(yù)測的精度。

附圖說明

圖1為本發(fā)明實施例一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測方法中BP網(wǎng)絡(luò)模型的結(jié)構(gòu)圖。

具體實施方式

為了使本發(fā)明的目的及優(yōu)點更加清楚明白，以下結(jié)合實施例對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

一種基于BP網(wǎng)絡(luò)模型的負(fù)荷預(yù)測的模型輸入變量優(yōu)化方法，包括如下步驟：

S1、通過方差貢獻(xiàn)法選擇預(yù)測器的輸入變量；

方差貢獻(xiàn)法就是用來分析各類影響因素對負(fù)荷的影響程度。假設(shè)當(dāng)輸入變量為x₁，x₂，...，x_n，負(fù)荷的預(yù)測值為真實值為y時，我們可以根據(jù)

Qe=Σi=1n(y^i-yi)2---(1)]]>

計算出殘差平方和Q_e。

如果在x₁，x₂，...，x_n中去除一個變量x_j，通過再重新訓(xùn)練BP網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測，那么預(yù)測結(jié)果的殘差平方和Q_e將變化，設(shè)去除變量x_j后殘差平方和為Q_e(-x_j)，

定義Q(-x_j)為去除x_j的方差貢獻(xiàn)，即