论文部分内容阅读
本文介绍并分析了现有负荷预测系统模型的优缺点,然后提出了采用数据挖掘技术的负荷预测系统模型。介绍了数据挖掘技术在负荷预测系统中的作用,在数据挖掘技术的选择上,采用了人工神经网络技术。然后采用“批处理”方法改进了BP算法收敛速度慢的缺陷,提高了网络学习效率。接着用改进后的遗传算法结合改进后的BP算法来改善神经网络的局部收敛性,同时采用了模糊理论的知识,对各种数据进行归一化和修正处理,提高了网络的预测精度和学习效率。在对负荷变化规律分析的基础上提出了按日期类型分开建模的96点预测模型。开发了一套界面友好