论文部分内容阅读
本文介绍了E.Castillo等提出的基于Functional网络FN的非线性时间序列模型。该模型与传统ANN模型相比有许多特点，如：FN中的神经函数需训练学习且在一给定FN中的神经函数可以不同，但FN无连接权值；FN中的神经元输出可以相同且输出单元是—个或几个神经元的输出；FN的学习过程是求解一组降维的线性系统方程，采用最小二乘法，故运算速度高。因此，FN是在了解所求的问题，并建立相应的微分方程和等效的泛函方程的基础上构建的极具广泛性的人工神经网络（ANN）。FN作为非线性时间序列模型和预测的方法，已在非线性映射、信号处理尤其是混沌信号处理方面取得了满意的结果。本文将FN作为短期电力负荷预测研究的新模型，并提出了基于FN的短期电力负荷预测的算法，是对该领域研究的有益探索。