期刊文献+
共找到268篇文章
< 1 2 14 >
每页显示 20 50 100
储备池状态空间重构与混沌时间序列预测 被引量:23
1
作者 韩敏 史志伟 郭伟 《物理学报》 SCIE EI CAS CSCD 北大核心 2007年第1期43-50,共8页
分析了现有的基于回声状态网络(ESN)的迭代预测方法,指出了该方法在理论上存在的问题以及应用中存在的障碍.提出了一种基于储备池的直接预测方法,该方法利用预测原点和预测时域之间的关系直接构建预测器,因此可以预先对预测器的稳定性... 分析了现有的基于回声状态网络(ESN)的迭代预测方法,指出了该方法在理论上存在的问题以及应用中存在的障碍.提出了一种基于储备池的直接预测方法,该方法利用预测原点和预测时域之间的关系直接构建预测器,因此可以预先对预测器的稳定性施加约束,从而避免了在迭代预测方法中由于网络回路闭合而产生的稳定性问题.在仿真中,首先以Lorenz时间序列为例分析了迭代预测方法在闭合回路前后储备池的变化情况,然后通过Mackey-Glass标杆问题的测试验证了直接预测方法的可行性. 展开更多
关键词 回声状态网络 递归神经网络 混沌时间序列预测
原文传递
基于PSO-ESN神经网络的污水BOD预测 被引量:24
2
作者 乔俊飞 李瑞祥 +1 位作者 柴伟 韩红桂 《控制工程》 CSCD 北大核心 2016年第4期463-467,共5页
针对污水处理过程具有非线性的特点,建立基于PSO-ESN神经网络的污水处理软测量模型,来对于污水处理关键水质参数BOD(Biochemical Oxygen Demand)进行预测。由于回声状态网络(Echo State Network,ESN)学习算法无法有效解决高维矩阵训练... 针对污水处理过程具有非线性的特点,建立基于PSO-ESN神经网络的污水处理软测量模型,来对于污水处理关键水质参数BOD(Biochemical Oxygen Demand)进行预测。由于回声状态网络(Echo State Network,ESN)学习算法无法有效解决高维矩阵训练不可逆,采用基于粒子群优化算法对于回声状态神经网络输出权重进行训练,进而有效解决回声状态网络病态解的问题。仿真结果证明,所设计的基于关键水质参数生化需氧量(BOD)软测量模型,其应用在污水处理关键水质参数预测的有效性,且该软测量模型具有较高测量精度。 展开更多
关键词 生化需氧量 回声状态网络 粒子群优化算法 污水处理工程 软测量模型
下载PDF
回声状态网络LM算法及混沌时间序列预测 被引量:21
3
作者 韩敏 穆大芸 《控制与决策》 EI CSCD 北大核心 2011年第10期1469-1472,1478,共5页
回声状态网络(ESN)学习算法中可能存在解的奇异问题,在时间序列预测时易导致病态解问题,且伴随着具有较大幅值的输出权值,尤其是当训练样本个数小于输出权值维数时,ESN的解必为奇异的.鉴于此,考虑使用LM(Levenberg Marquardt)算法代替... 回声状态网络(ESN)学习算法中可能存在解的奇异问题,在时间序列预测时易导致病态解问题,且伴随着具有较大幅值的输出权值,尤其是当训练样本个数小于输出权值维数时,ESN的解必为奇异的.鉴于此,考虑使用LM(Levenberg Marquardt)算法代替常用的线性回归方法,自适应选择LM参数,从而有效地控制输出权值的幅值,提高ESN的预测性能.通过Lorenz混沌时间序列进行预测研究,对大连月平均气温实际数据进行仿真研究,取得了较好的预测效果. 展开更多
关键词 回声状态网络 储备池 LM算法 时间序列预测
原文传递
基于CEEMDAN与回声状态网络的风速预测方法 被引量:19
4
作者 韩宏志 唐振浩 《电力系统保护与控制》 EI CSCD 北大核心 2020年第12期90-96,共7页
为了对风速进行准确预测,结合分类与回归树(Classification and Regression Tree,CART)、自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、回声状态网络与非线性误差修... 为了对风速进行准确预测,结合分类与回归树(Classification and Regression Tree,CART)、自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、回声状态网络与非线性误差修正策略,提出了一种基于回声状态网络(Echo Sate Network,ESN)的混合期风速预测方法。其中,CART用于对原始数据进行重构,得到建模数据集。CEEMDAN用于提取输入特征信息。ESN根据输入特征建立风速预测建模。最后,利用误差修正策略对所得到的模型进行修正。基于国内某风电场的数据实验表明,所提出方法能够准确预测风速,可以指导风场生产,提高生产自动化水平。 展开更多
关键词 风速预测 回声状态网络 CEEMDAN CART 预测值修正
下载PDF
基于混沌理论与改进回声状态网络的网络流量多步预测 被引量:18
5
作者 田中大 李树江 +1 位作者 王艳红 王向东 《通信学报》 EI CSCD 北大核心 2016年第3期55-70,共16页
网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不... 网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。 展开更多
关键词 网络流量 混沌 回声状态网络 时间尺度 预测
下载PDF
基于贝叶斯框架和回声状态网络的日最大负荷预测研究 被引量:18
6
作者 嵇灵 牛东晓 吴焕苗 《电网技术》 EI CSCD 北大核心 2012年第11期82-86,共5页
为克服神经网络中的伪回归问题,对标准的回声状态网络进行改进,用贝叶斯理论提高网络的泛化能力。在实证算例分析中,采用某地区的实际负荷数据和相关气候数据,对该地区的日最大负荷进行预测,验证所提方法的有效性和适用性。对比试验的... 为克服神经网络中的伪回归问题,对标准的回声状态网络进行改进,用贝叶斯理论提高网络的泛化能力。在实证算例分析中,采用某地区的实际负荷数据和相关气候数据,对该地区的日最大负荷进行预测,验证所提方法的有效性和适用性。对比试验的预测结果表明,改进的回声状态网络比标准回声状态网络和前馈神经网络预测效果更精确,网络泛化能力更强。 展开更多
关键词 回声状态网络 贝叶斯框架 日最大负荷 负荷预测
下载PDF
WPD-RSO-ESN和SSA-RSO-ESN模型在径流时间序列预测中应用比较 被引量:16
7
作者 杨琼波 崔东文 《中国农村水利水电》 北大核心 2022年第2期61-67,75,共8页
为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法。分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RS... 为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法。分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;利用RSO算法对ESN储备池规模、稀疏度等超参数进行优化,建立WPD-RSO-ESN、SSA-RSO-ESN模型,并分别构建WPDRSO-SVM、WPD-ESN、WPD-SVM和SSA-RSO-SVM、SSA-ESN、SSA-SVM作对比分析模型;利用云南省江边街水文站1957-2014年逐月径流时间序列数据对8种模型进行检验及对比分析。结果表明:RSO算法在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-RSO-ESN、SSA-RSO-ESN模型对实例后10年120个月月径流时间序列预测的平均绝对百分比误差分别为2.73%、3.90%,预测精度优于同一分解条件下的其他模型。RSO算法能有效优化ESN网络超参数,提高ESN网络的预测性能。WPD对径流时间序列数据的分解效果优于SSA方法。 展开更多
关键词 径流预测 小波包分解 奇异谱分析 鼠群优化算法 回声状态网络 仿真测试
下载PDF
基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法 被引量:14
8
作者 李东东 赵阳 +1 位作者 赵耀 蒋海涛 《电力系统保护与控制》 EI CSCD 北大核心 2022年第10期1-10,共10页
行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其... 行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。 展开更多
关键词 行星齿轮箱 故障诊断 多场景 深度学习 堆栈稀疏自编码器 回声状态网络 深度特征融合网络
下载PDF
多元时间序列的子空间回声状态网络预测模型 被引量:15
9
作者 韩敏 许美玲 王新迎 《计算机学报》 EI CSCD 北大核心 2014年第11期2268-2275,共8页
针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵... 针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性. 展开更多
关键词 回声状态网络 快速子空间分解 储备池 多元时间序列 预测
下载PDF
基于相似日和回声状态网络的光伏发电功率预测 被引量:14
10
作者 安鹏跃 孙堃 《智慧电力》 北大核心 2020年第8期38-43,共6页
光伏发电功率预测对提高光伏电站控制、调度性能以及保证电网的安全稳定运行具有重要意义。提出一种基于相似日和回声状态网络(ESN)的光伏发电功率预测模型。首先运用相关性分析法对光伏发电功率的影响因素进行了深入分析,并筛选出其主... 光伏发电功率预测对提高光伏电站控制、调度性能以及保证电网的安全稳定运行具有重要意义。提出一种基于相似日和回声状态网络(ESN)的光伏发电功率预测模型。首先运用相关性分析法对光伏发电功率的影响因素进行了深入分析,并筛选出其主要影响因素;再利用主要影响因素的历史气象信息建立气象特征向量,通过计算灰色关联度(GRA)寻找合适的相似日;最后运用ESN创建预测模型,利用相似日历史数据训练ESN,而后对预测日的输出功率进行逐时预测。算例表明,对比传统模型,GRA-ESN模型具有更高的预测精度和更好的可行性。 展开更多
关键词 光伏功率预测 相似日 灰色关联分析 回声状态网络
下载PDF
基于PSO-WPESN的短期电力负荷预测方法 被引量:14
11
作者 周红标 王乐 +1 位作者 卜峰 应根旺 《电测与仪表》 北大核心 2017年第6期113-119,共7页
精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率小波包分解方法对负... 精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率小波包分解方法对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明:针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。 展开更多
关键词 粒子群 小波包分解 回声状态网 电力负荷 短期预测
下载PDF
基于ESN网络的连续搅拌反应釜(CSTR)辨识 被引量:13
12
作者 李晓华 李军 《信息与控制》 CSCD 北大核心 2014年第2期223-228,共6页
针对以往递归神经网络(RNN)训练算法难,连续搅拌反应釜(CSTR)的强非线性等问题,将回声状态网络(echo state network,ESN)方法应用于模型不确定的CSTR系统辨识中.ESN具有较强的非线性逼近能力和良好的短期记忆能力,且只需要训练网络输出... 针对以往递归神经网络(RNN)训练算法难,连续搅拌反应釜(CSTR)的强非线性等问题,将回声状态网络(echo state network,ESN)方法应用于模型不确定的CSTR系统辨识中.ESN具有较强的非线性逼近能力和良好的短期记忆能力,且只需要训练网络输出权值,简化了网络训练算法.仿真结果表明,在相同条件下,与带动量的BP(back propagation)神经网络、BP-MLP(back propagation multilayer perceptron)神经网络、最小二乘支持向量机(LS-SVM)、模糊神经网络(FNN)、GAP-RBF神经网络、MGAP-RBF神经网络相比,ESN能给出相当好的性能,表现出较高的辨识精度,ESN比带动量的BP、BP-MLP、LS-SVM神经网络的逼近精度提高了4个数量级,表明了该方法的有效性. 展开更多
关键词 连续搅拌反应釜(CSTR) 神经网络 回声状态网络 系统辨识
原文传递
基于储备池主成分分析的多元时间序列预测研究 被引量:12
13
作者 韩敏 王亚楠 《控制与决策》 EI CSCD 北大核心 2009年第10期1526-1530,共5页
提出一种基于回声状态网络储备池的非线性PCA方法,并将其应用于多元时间序列的预测中.由于多维输入变量间的相关性会影响建模效果,通过储备池将输入在原空间的非线性特征转化成高维空间的线性特征.在其中运用线性PCA技术寻找输入在储备... 提出一种基于回声状态网络储备池的非线性PCA方法,并将其应用于多元时间序列的预测中.由于多维输入变量间的相关性会影响建模效果,通过储备池将输入在原空间的非线性特征转化成高维空间的线性特征.在其中运用线性PCA技术寻找输入在储备池空间的最大方差方向,提取有效的多元变量综合信息.经储备池主成分分析处理后的输入与预测点呈动态线性映射,可使用线性方法建模.仿真结果表明了该方法的有效性. 展开更多
关键词 储备池主成分分析 回声状态网络 多元时间序列 预测
原文传递
基于改进的磷虾群优化算法的汽轮机初压优化研究 被引量:13
14
作者 牛培峰 杨潇 +2 位作者 马云鹏 卢青 林鹏 《动力工程学报》 CAS CSCD 北大核心 2015年第9期709-714,共6页
以求解汽轮机变工况运行时的最优主蒸汽压力为目标,首先根据汽轮机运行数据,利用回声状态网络(ESNs)建立热耗率预测模型,然后利用改进的磷虾群优化(I-KH)算法的全局搜索能力,在可行的主蒸汽压力范围内对所建预测模型进行主蒸汽压力寻优... 以求解汽轮机变工况运行时的最优主蒸汽压力为目标,首先根据汽轮机运行数据,利用回声状态网络(ESNs)建立热耗率预测模型,然后利用改进的磷虾群优化(I-KH)算法的全局搜索能力,在可行的主蒸汽压力范围内对所建预测模型进行主蒸汽压力寻优,并将优化后的汽轮机滑压运行曲线与厂家设计压力曲线进行对比.结果表明:优化后机组各个负荷下对应的热耗率均有所下降;按照优化后的汽轮机滑压运行曲线运行可有效降低机组热耗率. 展开更多
关键词 汽轮机 热耗率 回声状态网络 磷虾群优化算法 最优初压
下载PDF
基于贝叶斯回归的多核回声状态网络研究 被引量:12
15
作者 韩敏 穆大芸 《控制与决策》 EI CSCD 北大核心 2010年第4期531-534,541,共5页
在利用单储备池模型对多变量预测研究时,多个变量只能通过单个储备池进行特征映射,无法分别刻画各个变量的动力学特性.针对以上问题,提出一种多储备池回声状态网络.混沌系统中各个变量分别通过各个储备池扩展成高维的特征向量,采用Bayes... 在利用单储备池模型对多变量预测研究时,多个变量只能通过单个储备池进行特征映射,无法分别刻画各个变量的动力学特性.针对以上问题,提出一种多储备池回声状态网络.混沌系统中各个变量分别通过各个储备池扩展成高维的特征向量,采用Bayesian线性回归的方法,对多核回声状态网络输出权值进行训练,形成一种新的预报器,即多核贝叶斯状态回声机(MrBESN).实际数据的仿真结果验证了所提方法的有效性. 展开更多
关键词 贝叶斯回归 多储备池 回声状态网络 多变量
原文传递
基于EWT-ESN的短期风电功率预测研究 被引量:12
16
作者 王新友 李青 郑少鹏 《太阳能学报》 EI CAS CSCD 北大核心 2018年第3期633-642,共10页
针对风电功率具有强非线性的特点,提出一种经验小波变换(EWT)和回声状态网络(ESN)的短期风电功率组合预测方法。EWT吸取了经验模态分解(EMD)和小波分析各自的优点,核心思想是根据信号中包含的频谱信息建立基于傅里叶支持的小波... 针对风电功率具有强非线性的特点,提出一种经验小波变换(EWT)和回声状态网络(ESN)的短期风电功率组合预测方法。EWT吸取了经验模态分解(EMD)和小波分析各自的优点,核心思想是根据信号中包含的频谱信息建立基于傅里叶支持的小波滤波器组。首先,通过提取频域极大值点对信号的Fourier谱进行自适应的划分,然后根据信号频谱特性构造正交小波滤波器组来提取信号中包含的具有紧支撑Fourier频谱特性的调幅.调频(AM-FM)分量。EwT是在小波框架下建立的自适应信号分解方法,相比于EMD,其具有理论性强,计算量小,分解的模态数量少的优点。该文采用EWT将原始风电功率序列分解为具有特征差异的的不同分量,采用ESN对各分量分别预测并叠加来得到最终的预测结果;最后,将EWT-ESN方法应用在国内外两个短期风电功率实例中,实验结果表明,该文方法可有效提高风电功率预测的精度。 展开更多
关键词 经验小波变换 预测 小波分析 回声状态网络 风电功率
下载PDF
一种基于误差补偿的多元混沌时间序列混合预测模型 被引量:11
17
作者 韩敏 许美玲 《物理学报》 SCIE EI CAS CSCD 北大核心 2013年第12期106-112,共7页
针对多元混沌时间序列的预测问题,考虑到单纯改进储备池算法无法明显地提高预测精度,提出一种基于误差补偿的时间序列混合预测模型.实际观测的数据既包含线性特征又包含非线性特征.首先利用自回归移动平均模型预测线性特征,使得残差数... 针对多元混沌时间序列的预测问题,考虑到单纯改进储备池算法无法明显地提高预测精度,提出一种基于误差补偿的时间序列混合预测模型.实际观测的数据既包含线性特征又包含非线性特征.首先利用自回归移动平均模型预测线性特征,使得残差数据仅含非线性特征;然后,建立正则化回声状态网络模型预测;最后,将非线性部分的预测值与线性部分的预测值相加,以实现高精度的多元混沌时间序列预测.基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性. 展开更多
关键词 回声状态网络 混沌 多元时间序列预测 误差补偿
原文传递
基于改进差分进化和回声状态网络的时间序列预测研究 被引量:10
18
作者 许美玲 王依雯 《自动化学报》 EI CAS CSCD 北大核心 2021年第7期1589-1597,共9页
针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验... 针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验证本文方法的有效性,对Lorenz时间序列、大连月平均气温-降雨量数据集进行仿真实验.由实验结果可知,本文提出的模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值. 展开更多
关键词 时间序列 预测模型 差分进化 回声状态网络
下载PDF
混沌背景中微弱信号检测的回声状态网络方法 被引量:10
19
作者 郑红利 行鸿彦 徐伟 《信号处理》 CSCD 北大核心 2015年第3期336-345,共10页
对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌... 对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。 展开更多
关键词 混沌 回声状态网络 遗传算法 微弱信号检测
下载PDF
基于泄漏积分型回声状态网络的在线学习光伏功率预测 被引量:10
20
作者 徐正阳 路志英 刘洪 《电力系统及其自动化学报》 CSCD 北大核心 2018年第2期1-7,共7页
为提高光伏功率预测结果的准确性,提出了基于泄漏积分型回声状态网络LIESN(leaky-integrator echostate network)的具有在线学习功能的预测方法。预测模型中采用泄漏积分神经元增强储备池的短期记忆能力,通过最小二乘在线学习算法增加... 为提高光伏功率预测结果的准确性,提出了基于泄漏积分型回声状态网络LIESN(leaky-integrator echostate network)的具有在线学习功能的预测方法。预测模型中采用泄漏积分神经元增强储备池的短期记忆能力,通过最小二乘在线学习算法增加临近时间样本对权值的影响;综合考虑预测精度与运行时间,分析了LIESN关键参数对预测性能的影响,并提出了LIESN关键参数的设定方法。实例证明,在线学习LIESN的预测精度优于BP神经网络、经典ESN及离线学习LIESN模型,测试结果的归一化均方根误差达到0.098 6,验证了方法的有效性。 展开更多
关键词 回声状态网络 泄漏积分 光伏功率预测 在线学习
下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部