《表1 RBF网络预测用电负荷值》
提示：宽带有限、当前游客访问压缩模式
本文以2015年到2017年每一年各月份的用电量为样本数据，其中选取前9个月的数据作为训练数据完成对预测网络模型的训练，以后3个月的数据作为测试数据，完成对网络模型的测试校验工作，得到的结果如表1所示:
| 图表编号 | XD0071360600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.05 |
| 作者 | 朱向辉 |
| 绘制单位 | 西安思源学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 全省及各地区全社会用电最高负荷预测结果》2020.10.20
- 《表1 经济用电量统计表：广州某城中村低压用电负荷的特性与需求预测研究》2020.09.20
- 《表2 连续10 d用电负荷预测结果》2020.12.25
- 《表1 实验废水水质：基于人群搜索算法的电网短期用电负荷预测研究》2020.12.25
- 《表1 15天夹角余弦值：基于DA-RBF模型的微电网负荷预测研究》2021.02.20
- 《表2 误差比较表：基于DA-RBF模型的微电网负荷预测研究》2021.02.20
- 《表1 用电结构变动下2030年负荷特性预测结果》2018.06.30
- 《表1 规划期内年最大负荷及年用电量预测数据》2020.07.28
- 《表1 模型损失值：一种基于LSTM神经网络的电力负荷预测方法》2020.05.25
- 《表1 RBF神经网络预测值误差分析》2020.04.25
- 《表1 BP神经网络和RBF神经网络混沌预测误差对比表》2019.09.25
- 《表1 预测模型对比指标：基于GM-RBF神经网络的污水环境预测》2019.09.20
- 《表1 RBF神经网络的预测结果》2019.06.28
- 《表2 明珠工业园用电负荷预测》2019.06.15
- 《表3 RBF-NN负荷预测模型输出节点》2019.07.20
- 《表2 RBF-NN负荷预测模型输入节点》2019.07.20
- 《表4 RBF神经网络挤压力预测值与模拟值对比》2019.05.25
- 《表2 K-means-RBF、SOM-RBF和RLSOM-RBF的负荷预测结果比较》2019.01.25
- 《表1 用电量预测结果：基于协整-格兰杰因果检验和季节分解的中期负荷预测》2019.01.10
- 《表1 RBF神经网络算法构建预测模型的部分预测结果》2018.10.30