摘要
针对天然气负荷变化的特点,综合考虑各种影响因素,提出一种基于模糊RBFBP 神经网络的天然气负荷预测模型,并编制了负荷预测软件。在RBF网络模型中采用了最新邻 聚类算法,实现了网络结构和参数的双重调节,提高了训练的速度和预测的精度。将该软件应 用于实例计算,并与相关模型结果比较,证明该模型可以更加快速准确地预测天然气的负荷 值。
Aiming at the change feature of natural gas load and considering all kinds of affecting factors, presents a model for forecasting the load based on a fuzzy-RBF BP neutral network and develops a software for forecasting the load. Using the latest adjacent clustering method in the RBF network model, achieves the adjustments of both network structure and parameters and improves greatly the training speed and the forecasting accuracy. An example using the software shows that the model can be used to forecast natural gas load more rapidly and accurately compared with correlative models.
出处
《暖通空调》
北大核心
2005年第3期96-99,共4页
Heating Ventilating & Air Conditioning
基金
2l1二期工程建设项目,国家985建设项目(编号:X03140)
国家自然科学基金资助项目(编号:50376048)
教育部博士点基金项目(编号:20030056027)
天津市科技发展项目(编号:043112411)