论文部分内容阅读
神经网络用于火电厂时间序列预报无需作平稳性假设。它从序列样本中学习序列本身的内在规律，从而建立正确的火电厂时间序列模型。神经网络将寻求序列规律的过程转化为Ｒ＾ｎ→Ｒ＾ｍ逼近的非线性映射的非线性优化问题，用经过改进的静态ＢＰ算法可以取得较炙满意的结果。适当增加输入单元的历史序列样本，可以得到对序列更为精确的预报。实例表明神经网络能够对火电厂时间序列进行较好的预测。