典型文献
改进粒子群算法优化回声状态网络的电力需求预测研究
文献摘要：
首先引入自适应算子对标准粒子群优化算法PSO的惯性权重和学习因子进行改进,以提高其探索当前空间和开发未知空间之间的平衡性.同时,采用非线性函数来构建回声状态网络ESN储备池内部状态之间的非线性关系.接着利用改进的粒子群优化算法APSO对非线性回声状态网络NESN的关键参数进行优化,以构建APSO-NESN组合预测模型.最后运用该模型进行电力需求预测.实验结果表明,相比自回归移动平均模型、多元线性回归、标准ESN及其他预测模型,APSO-NESN模型具有更高的预测精度.
文献关键词：
电力需求预测;回声状态神经网络;粒子群优化算法
中图分类号：
作者姓名：
王林;王燕丽;安泽远
作者机构：
华中科技大学管理学院,湖北 武汉 430074
文献出处：
引用格式：
[1]王林;王燕丽;安泽远-.改进粒子群算法优化回声状态网络的电力需求预测研究)[J].计算机工程与科学,2022(08):1457-1466
A类：
NESN,回声状态神经网络
B类：
改进粒子群算法,算法优化,回声状态网络,电力需求预测,预测研究,自适应算子,准粒子,惯性权重,学习因子,平衡性,非线性函数,池内,内部状态,非线性关系,改进的粒子群优化算法,APSO,组合预测模型,自回归移动平均模型
AB值：
0.245392
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。
