论文部分内容阅读
本文提出一种反向传播神经网络（ＢＰ网络）的改进算法，该算法可以克服常规阶网络的两个主要缺陷，明显提高学习速度。其主要特点是首先拟合ＢＰ网络各权系数的变化过程，然后根据拟合曲线来调整权系数，并在学习过程中动态调整学习速率和动量因子，此外，还采用了随机搜索法优选初始权重以克服局部极值问题。基于ＢＰ网络和上述改进算法，本文提出一种递推预测模型、它包括绝对量值模型和相对量值模型两种，它以让神经网络用人们进行预测时的递推规律的作法，即根据某时刻ｔ以前的一系列值来推测ｔ时刻的值，来进行预测。递推神经网络预测模型既可用于短缺预测，也可用于长期预测。作为算例，本文用它预测了中国１９９３－２０２０年的电力发展。