论文部分内容阅读
为了消除主观因素对隐层节点中心向量选择的影响，提高径向基函数RBF(Radial Basis Function)神经网络的预测能力，提出一种引入近邻传播思想的RBF神经网络算法。该算法根据建筑电耗数据的内在规律，利用AP(Affinity Propagation)聚类算法进行聚类处理，获取样本数据的类中心点，并将此作为神经网络的中心向量，同时根据类中心距离设置径向基函数的宽度，利用最小均方误差(LMS)确定网络连接权值。对公共建筑未来40天的用电能耗进行预测，结果表明，较BP神经网络算法和未改进的RBF神经网络算法，该算法的预测精度更高，稳定性更好。