BP神经网络方法在用电量预测中的应用

摘要

本文的主要工作有：(1)将BP神经网络模型应用于用电量预测；(2)对BP算法进行改进。在权值和阈值的修改中加入动量项因子和自适应因子，并在选取中间层节点数时采用“试凑法”；(3)为了更好地说明BP神经网络的预测的优良效果，本文采用多元线性回归模型预测法及灰色模型预测法与之做了对比。总之，本文采用改进的三层BP神经网络模型，以广东省某市某个区九年的季度用电量数据做样本，用C++语言编程来训练BP网络，建立了用电量预测初步参照模型。本文工作的意义：一方面，本文研究了用电量预测区别于其他预测领域的自身特点，提出并建立了基于人工神经网络的预测模型——BP神经网络模型，并对其收敛性做了有效的改进，为用电量预测研究工作拓展了途径和思路。另一方面，比较了目前国内学者主要采用的几个用电量预测研究方法，经过测试，本文建立的BP神经网络预测模型在季度用电量预测方面预测效果比其他模型好。相信本文的这一结论对电力公司进行电力销售预测具有一定的指导作用，同时也可以为我国建立科学的电力需求预测提供可供借鉴的依据。

目录

文摘

英文文摘

第1章前言

1.1问题的提出[1][2]

1.2目前国内学者在传统用电量预测中采用的方法

1.3国内学者在传统用电量预测研究中存在的缺陷与不足

第2章人工神经网络方法

2.1人工神经网络发展的历史回顾[4][5][8]

2.2什么是人工神经网络[6][7][8]

2.3人工神经网络的特点及优点

2.3.1人工神经网络的特点[8][31][32]

2.3.2人工神经网络的优点

2.4人工神经网络的应用

第3章BP(Back Propagation反向传播)神经网络模型的建立

3.1人工神经网络的学习方法

3.2 BP(Back Propagation)神经网络模型理论及推导公式

3.2.1 BP(Back Propagation)神经网络模型理论[4][45][46]

3.2.2 BP(Back Propagation)神经网络模型的公式推导[4]

3.2.3 BP(Back Propagation)神经网络的缺陷及BP算法的改进

3.3建立模型

3.3.1模型组建

3.3.2程序主要算法和流程

3.3.3BP预测模型的C++构造实现

3.4预测及分析

3.5操作界面

第4章用电量预测中一些常用方法的比较与分析

4.1灰色模型预测法

4.2多元线性回归模型预测法

4.3预测结果的分析与比较

第5章存在的问题与展望

参考文献

附录(程序的核心C++源代码)

致谢

声明