《表1 训练集：测试集=7:3》

  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

《基于改进粒子群算法的电力峰值预测》

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

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。