《表1 训练集:测试集=7:3》
为了验证本文提出的改进粒子群算法优化BP神经网络的有效性,将其与BP神经网络模型、粒子群优化的模型用同样的数据集进行训练,对同一天的电力峰值进行预测,通过预测结果表示其优劣性。模型1采用BP神经网络模型,模型2采用粒子群优化模型,模型三采用本文改进的粒子群优化方法,三者采用相同的参数选定,粒子群进化代数20,粒子个数50,学习因子C1=C2=2.5,惯性权重取值在区间0.4-0.8之间,神经网络节点数分别取8;10;1;最大训练次数为500,学习率为0.1,训练精度设置0.01。通过采用上述3种模型对该地区电力峰值负荷进行预测,得到最大绝对误差、平均绝对误差、平均相对误差,预测误差如表1所示,为了验证其算法的普遍性,本文设计了四组对照组,将训练集和测试集按一定的比例进行划分,本文选择的在原有的7:3比例的基础上,增加了9:1;8:2;6:4;5:5。结果如表2,3,4,5所示。
图表编号 | XD00193138300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 黄俊豪、李讷 |
绘制单位 | 三峡大学计算机与信息学院、三峡大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |