基于分数阶GM(1,1)与BP神经网络的电力负荷预测

作者：刘承伟; 赵洪凯; 严豪; 王建宏^*

来源：数学的实践与认识, 2018, 48(23): 145-151.

• 电力负荷预测
• BP神经网络
• 逐层训练
• 分数阶GM(1,1)

传统的灰色GM(1,1)和BP神经网络模型存在对原始序列依赖高,收敛速度慢等缺点.将分数阶累加的思想引入GM(1,1)模型,再用逐层训练算法改进传统的BP神经网络.基于我国2010-2014年的电力数据,构建分数阶GM(1,1)与BP神经网络组合模型,预测2015年和2016年的总发电量.实证结果表明,该组合模型比GM(1,1)模型,分数阶GM(1,1)模型以及GM(1,1)与BP神经网络组合模型具有更好的数据拟合效果,更高的预测精度.

• 单位
  南通大学