论文部分内容阅读
针对采用决策树模型进行电力系统短期负荷预测时其模型输入变量的选择是影响建树效率以及预测效果的关键问题，本文提出使用RBF神经网络来解决这一问题：利用RBF神经网络根据属性重要性进行属性的约减，去除冗余信息；用得到的属性作为决策树模型的输入进行训练预测。该方法既全面考虑了影响负荷的各种因素，又避免了由于输入变量过多而导致决策树模型结构复杂、训练时间长等不足。计算实例表明，文中方法是有效可行的。