论文部分内容阅读
神经网络用于火电厂时间序列预报无需作平稳性假设.它从序列样本中学习序列本身的内在规律,从而建立正确的火电厂时间序列模型.神经网络将寻求序列规律的过程转化为Rn→Rm逼近的非线性映射的非线性优化问题.用经过改进的静态BP算法可以取得较为满意的结果.适当增加输入单元的历史序列样本,可以得到对序列更为精确的预报.实例表明神经网络能够对火电厂时间序列进行较好的预测.图5表3参6