论文部分内容阅读
建立了基于变学习率BP模型的城市燃气短期负荷神经网络预测模型。输入元为城市燃气短期负荷的五个影响因素：日期类型、天气类型、日最高气温、日最低气温、日平均气温。网络结构为5-6-1。输出元为燃气短期负荷。用VC＋＋编程，变学习率为0．3和0．7，经过19086次迭代，模型收敛，全局误差为0．00049999。数据对比分析发现相对误差在5％之内，说明该模型是准确有效的。