外文翻譯--改進的灰色預(yù)測模型在電力需求上的應(yīng)用譯文(編輯修改稿)
2025-06-26 06:47 本頁面
【文章內(nèi)容簡介】 ( 0 ) ( 0 )( ) ( ) ( ) .q k x k x k?? ( 12 ) 殘差 GM(1,1)灰色模型比原始 GM(1， 1)灰色模型提高了預(yù)測的準(zhǔn)確性，我們可以加上殘差模型 (0)()xk的預(yù)測值得到修正后的預(yù)測值 .然而 ,殘差序列的基數(shù)取決于具有相同符號的數(shù)據(jù)點個數(shù)，當(dāng)觀察 值不是很多時這通常是很小的 .在這些情況下，具有相同符號的殘差序列基數(shù)不會超過 4個，而此時殘差模型不能夠被建立 . 4 在這里我們提出一個改進的灰色模型來解決這個問題 .我們建立一個修正子模型，該模型是一個組合的殘差 GM(1,1)預(yù)測系統(tǒng)，即結(jié)合了人工神經(jīng)網(wǎng)絡(luò)（ ANN）對殘余符號的估計而得到的殘差絕對值 .這個改進預(yù)測系統(tǒng)的原理描述如圖 (1)，構(gòu)建詳細(xì)的改進灰色預(yù)測過程如下 . 圖１．預(yù)測系統(tǒng)的原理圖 . 殘差預(yù)測模型 首先，殘差序列的絕對值表示為 (0):? ? ?( 0 ) ( 0 ) ( 0 ) ( 0 ) ( 0 )( 2 ) , ( 3 ) , ( 4 ) , .. . ( ) ,n? ? ? ? ?? ( 13 ) 其中 ( 0 ) ( 0 )( ) , 2 , 3 , ..., .q k k n? ?? ( 14 ) 通過使用相同的方法 如式（ 1） – （ 10），一個 (0)? 的灰色 GM(1， 1)模型可以被建立 .預(yù)測殘差序列表示為 (0)( ),k? 然后 ? ? ( 1 )( 0 ) ( 0 )( ) ( 2 ) 1 , 2 , 3 , . . .kaabk e e ka ?????? ????? ? ? ????? ( 15 ) 殘差 預(yù)測輸出 最終預(yù)測 殘差輸入 原始預(yù)測輸出 殘差符號估計 原始模型 原始灰色 GM(1,1)預(yù)測 修正子模型 殘差灰色 GM(1,1)預(yù)測 人工神經(jīng)網(wǎng)絡(luò)符號估計 混合模塊 數(shù)據(jù)輸入 5 . 人工神經(jīng)網(wǎng)絡(luò)殘差符號估計模型 近年來，已經(jīng)進行了大量的人工智能預(yù)測技術(shù)問題方面的研究 .然而，該模型毫無疑問由于應(yīng)用了神經(jīng)網(wǎng)絡(luò)這一強大的計算工具而受到廣泛的關(guān)注 . 圖． 2 給出了一個概要的生物神經(jīng)和一個基本的神經(jīng)網(wǎng)絡(luò)元素 .人工神經(jīng)網(wǎng)絡(luò)模型像一個黑盒操作，不需要系統(tǒng)的詳細(xì)信息 .相反它們會通過研究以前數(shù)據(jù)，學(xué)習(xí)輸入?yún)?shù)和受控及非受控變量間的關(guān)系 .人工神經(jīng)網(wǎng)絡(luò)模型可以處理龐大而復(fù)雜的系統(tǒng)，這些系統(tǒng)帶有許多相互關(guān)聯(lián)的參數(shù) .神經(jīng)體系結(jié)構(gòu)的幾種類型是可用的，其中多層的反向傳播（ BP）神經(jīng)網(wǎng)絡(luò)是最廣泛使用的 .正如圖． 3顯示，BP 網(wǎng)絡(luò)通常采用三層或更多層的體系結(jié)構(gòu)：一個輸入層，一個輸出層和至少一個隱層 .描述這個網(wǎng)絡(luò)的計算過程如下： ,j ij ijiY f W X??? ????? ( 16 ) 圖． 2．一個簡單的神經(jīng) [13]與一個 PE 模型 . 其中 jY 是輸出節(jié)點 j ， ()f? 是傳遞函數(shù)， ijW 是在底層的節(jié)點 i 和節(jié)點 j 之間的連接權(quán)重 iX 是來自于底層節(jié)點 i 的輸入信號 . 誤差反向傳播 （ BP）是一個梯度下降算法 .它試圖通過改變權(quán)重沿 其梯度降低的總誤差以提高神經(jīng)網(wǎng)絡(luò)的性能 .誤差反向傳播 （ BP）算法減少了平方誤差，這可以通過以下來計算： 6 圖． 3． A BP 網(wǎng)絡(luò)
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1