摘要: 针对PCA-神经网络预测方法解决预测问题时,忽视数据自相关性而造成的预测结果难以满足实际工程要求精度的研究现状,建立了预测数据的增广矩阵.通过计算前l时刻数据确定增广矩阵的维数,并把得到增广后的预测数据作为BP神经网络的输入变量,建立了基于DPCA-BP神经网络的预测模型,给出了模型结构.该模型能有效地去除自变量系统中与因变量无关的数据信息,增加自变量系统中数据的自相关性.算例比较分析表明,所建立模型的模型成分解释性增强,预测精度提高,预测效果优于PCA-BP神经网络方法.
中图分类号:
张石;张瑞友;汪定伟;. 基于DPCA-BP神经网络的中长期电力负荷预测方法[J]. 东北大学学报(自然科学版), 2010, 31(4): 482-485.
Zhang, Shi (1); Zhang, Rui-You (1); Wang, Ding-Wei (1) . Medium/long-term load forecasting based on DPCA-BP neural network[J]. Journal of Northeastern University, 2010, 31(4): 482-485.