论文部分内容阅读
针对传统神经网络收敛速度辊陧且实时性较差的缺点，在考虑气候因素的情况下，分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测。通过对预测误差的分析，用证据理论的Dempster合成法则对算法进行融合，通过选取待预测日之前几天的数据作为融合样本，规定相应的基本信度函数，得到融合后的信度分配，从而决定相应时刻的预测模型。仿真结果表明，经过证据理论融合后选择的负荷预测算法具有较高的预测精度。