《表2 检验样本用电量实际值与预测值比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于BP神经网络的地区用电量预测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

进行神经网络训练时，将江苏地区1999—2017年的用电量样本集分为训练样本和检验样本两部分，其中，抽取1999—2013年14组作为训练样本，2014—2017年4组数据作为检验样本。隐含层传递函数设定为logsig，输出层传递函数选定为tandig，训练函数为trainlm，学习函数选用learngdm，网络的性能函数为MSE[11]。各参数选取分别为：学习速率0.005，期望误差0.000 01，最大学习次数1 000。模型经过训练之后，利用检验样本测试并验证其准确性和泛化能力，得到如表2所示的实际值与预测值对比结果。江苏地区年用电量实际值与预测值对比如图2所示。从预测数据与实际数据的对比来看，该BP神经网络预测模型性能较好，相对误差较小，完全能够满足决策的需求。