基于粗糙集和决策树的自适应神经网络短期负荷预测方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：利用数据挖掘中的聚类技术将历史负荷数据进行聚类．根据聚类后的分类信息对定性属性利用粗糙集进行属性约简，由约简结果进一步生成决策规则树供短期预测使用。根据聚类的结果对每类进行BP神经网络的训练，神经网络的隐含层单元采取逐步试用的方法根据训练误差最小化进行选择。在实际预测中，首先对待预测的记录利用决策规则树进行归类．然后选取相应类别的神经网络予以预测。通过实例证明，该方法的平均相对误差为2．16％．而同结构BP神经网络预测的平均相对误差为2．67％．ARMA预测的平均相对误差为3．81％．证明所提方法有效。http://www.cqvip.com//QK/97650X/200910/31732055.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：负荷预测 预测方法 神经网络 神经网 粗糙集 数据挖掘 负荷预测 短期 聚类 粗糙集