作者：黄家圣; 谢卫; 李军军; 孙凌燕自适应神经网络短期负荷预测boosting算法
摘要：提出一种改进的多神经网络集成自适应Boosting回归算法,算法中引入"早停规则"和"噪声扰动".利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型.结果表明,与传统的单网络预测模型相比,Boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《上海海事大学学报》（CN：31-1968/U）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《上海海事大学学报》获奖情况：CAJ-CD规范执行优秀期刊；中国期刊协会编校质量优秀期刊；全国高校编辑质量优秀科技期刊；上海市编校质量优秀期刊；上海市优秀学报；上海市审读优秀科技期刊；上海市新闻出版行业文明单位；中国高校科技期刊优秀团队；1995年获上海市优秀学报二等奖和全国优秀学报二等奖；1999年获上海市高校学评比比二等奖。
省级期刊
人气 238661 评论 36
人气 154355 评论 33
人气 151936 评论 53
人气 123290 评论 54
