典型文献
基于ACO优化BP神经网络的变压器热点温度预测
文献摘要：
针对变压器热点温度预测精度问题,提出一种蚁群算法(ant colony algorithm,ACO)结合改进主成分分析法(improved principal component analysis,IPCA)优化BP神经网络的热点温度预测模型.首先采用IPCA去除数据冗余信息,并解决参数间相关性问题,提高网络泛化能力.为了避免BP神经网络容易陷入局部最优和收敛速度慢,利用ACO优化网络权值和与阈值,加快算法速率,提高预测精度.通过变压器温度实测数据验证,预测结果中的mae、mse、mape指标分别为0.065 7、0.006 7、0.44％,预测精度和网络性能优于IEEE、BP、IPCA-BP模型,从而验证所提模型的有效性和可行性.
文献关键词：
热点温度;BP神经网络;改进PCA;蚁群算法
中图分类号：
作者姓名：
江兵;杨春;杨雨亭;巢一帆
作者机构：
南京邮电大学自动化学院 南京 210023
文献出处：
引用格式：
[1]江兵;杨春;杨雨亭;巢一帆-.基于ACO优化BP神经网络的变压器热点温度预测)[J].电子测量与仪器学报,2022(10):235-242
A类：
mae,mse,mape
B类：
ACO,变压器热点温度,精度问题,蚁群算法,ant,colony,algorithm,改进主成分分析法,improved,principal,component,analysis,IPCA,温度预测模型,除数,数据冗余,冗余信息,数间,泛化能力,局部最优,收敛速度,速度慢,权值,温度实测,数据验证,网络性能,IEEE
AB值：
0.340628
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
