两种特征扩展过程神经元网络应用比较研究

过程神经元网络(Process Neural Networks)的输入由几何点式数据变为时间信号,是瞬时输入到过程输入的推广,可看作是学习样本特征的扩展。采用基于时域特征扩展和基于正交分解特征扩展两种方式建立过程神经元网络模型,利用电力负荷数据进行网络训练和负荷预测。结果表明,基于正交分解特征扩展的过程神经元网络在训练速度、预测准确度等方面均优于基于时域特征扩展的过程神经元网络,更适于电力负荷预测应用。