1 簡(jiǎn)介

一種基于遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的短期功率預(yù)測(cè)方法,包括以下步驟:首先確定Elman神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),其中包括神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)個(gè)數(shù),隱藏層節(jié)點(diǎn)個(gè)數(shù),輸出層節(jié)點(diǎn)個(gè)數(shù),承接層節(jié)點(diǎn)個(gè)數(shù)等.然后初始化Elman神經(jīng)網(wǎng)絡(luò)權(quán)值閾值長(zhǎng)度.再使用遺傳算法對(duì)初始值進(jìn)行編碼并進(jìn)行交叉變異等操作產(chǎn)生優(yōu)化后的神經(jīng)網(wǎng)絡(luò)初始權(quán)值,最后對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練并更新權(quán)值,得到預(yù)測(cè)結(jié)果.本發(fā)明使得預(yù)測(cè)準(zhǔn)確率更高,速度更快,便于電網(wǎng)的調(diào)度運(yùn)行.?

2 部分代碼

function ret=Select(individuals,fitness,sizepop)% 本函數(shù)對(duì)每一代種群中的染色體進(jìn)行選擇，以進(jìn)行后面的交叉和變異% individuals input : 種群信息% fitness input : 適應(yīng)度% sizepop input : 種群規(guī)模% opts input : 選擇方法的選擇% ret output : 經(jīng)過(guò)選擇后的種群?fitness= 1./(fitness);sumfitness=sum(fitness);sumf=fitness./sumfitness;index=[];for i=1:sizepop %轉(zhuǎn)sizepop次輪盤 pick=rand; while pick==0 pick=rand; end for j=1:sizepop pick=pick-sumf(j);

總結(jié)

以上是生活随笔為你收集整理的【ELAMN预测】基于遗传算法优化ELMAN神经网络实现电力符合数据回归预测附matlab代码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。