摘要
为了克服和改进BP算法的不足,本文对BP初始权值的选取进行改进,提出一种基于模拟退火的BP神经网络学习算法,以南昌市的电力负荷做实证,与传统BP神经网络比较,验证了该算法的有效性和可行性,提高了预测的速度和精度。
In order to overcome and improve the deficiencies of BP algorithm,this paper mended the initial values of BP,proposed a BP neural network based on simulated annealing.Taking empirical example of the power load in Nanchang,we validated the effectiveness and feasibility of this algorithm,and it had enhanced the prediction speed and accuracy comparing with the traditional BP neural network.
出处
《微计算机信息》
2010年第25期217-218,210,共3页
Control & Automation
基金
基金申请人:黎明
项目名称:动态环境下的元胞遗传算法
基金颁发部门:国家自然科学基金委(60963002)
基金申请人:程玉桂
项目名称:基于BP神经网络的南昌电力需求预测模型建立与仿真
基金颁发部门:江西省教育厅(GJJ09197)
关键词
模拟退火
BP神经网络
电力预测
simulated annealing
BP neural network
electric power predicting
