| 【中文题名】 | 径向基函数神经网络在过程建模中的研究与应用 |
| 【英文题名】 | The Research and Application of Radial Basis Function Neural Network in Process Modeling |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-24 |
| 【中关键词】 | 径向基函数神经网络,建模,电力负荷,预测,, |
| 【英关键词】 | radial basis function neural network,modeling,electric power load,forecasting, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
径向基函数神经网络(Radial Basis Function Neural Network，以下简称RBFN)是一种具有单隐层的三层前馈神经网络。由于RBFN能够以任意精度逼近任意连续函数，它已经被广泛地应用于函数逼近、模式分类和预测等领域，并且取得了不错的应用效果。本文主要研究RBFN的训练算法以及它在过程建模中的实际应用。本文的研究分为算法研究和算法改进及应用两个阶段。
在算法研究阶段，根据项目要求，通过对大量国际前沿文献的阅读和研究，运用一维函数逼近和时间序列预测两个仿真实例对四种常用算法进行比较，从而选择了一种结构合理、算法快速、精度适中的算法，然后将MATLAB程序转换成所需要的JAVA代码，最终利用上面的两个仿真实例对代码进行检验。在算法改进及应用阶段，研究RBFN在电力系统负荷预测领域中的应用。以往常用的传统K均值聚类算法具有最优解严重依赖于初值和不能解决聚类数目的缺陷，为了克服这两大固有缺陷，本文采用一种逐步增加聚类数目的思路，提出了一种快速的自适应聚类算法，并在预测时综合考虑日期类型和环境因素。预测实例表明：该算法不仅提高了RBF网络的训练效率，且可获得更高的预测精度，具... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-11 |
|
第一章 绪论 |
11-17 |
|
1.1 论文选题的目的意义及工作简述 |
11-12 |
|
1.2 过程建模及其常用方法 |
12-14 |
|
1.3 本课题相关领域的历史、现状和前沿发展情况 |
14-17 |
|
第二章 人工神经网络简介 |
17-26 |
|
2.1 神经元 |
17-20 |
|
2.1.1 生物神经元 |
17 |
|
2.1.2 人工神经元 |
17-18 |
|
2.1.3 使用人工神经元网络的意义 |
18-20 |
|
2.2 人工神经元网络模型 |
20-22 |
|
2.3 人工神经元网络的学习算法 |
22-26 |
|
2.3.1 Hebb学习规则 |
23 |
|
2.3.2 离散感知器学习规则 |
23-24 |
|
2.3.3 δ学习规则 |
24-25 |
|
2.3.4 Widrow-Hoff学习规则 |
25-26 |
|
第三章 径向基函数神经网络简介 |
26-38 |
|
3.1 RBF网的结构 |
26-27 |
|
3.2 RBF网的基础 |
27-30 |
|
3.2.1 生理学基础 |
27-28 |
|
3.2.2 数学基础 |
28-30 |
|
3.3 RBF网常用的学习算法 |
30-35 |
|
3.3.1 聚类方法 |
31-32 |
|
3.3.2 梯度训练方法 |
32-33 |
|
3.3.3 正交最小二乘学习算法 |
33-35 |
|
3.4 RBF网的特点及其他问题 |
35-36 |
|
3.5 神经网络工具箱函数 |
36-38 |
|
3.5.1 神经网络工具箱 |
36 |
|
3.5.2 径向基网络的神经网络工具箱函数 |
36-38 |
|
第四章 RBF网的仿真实例及代码转换 |
38-53 |
|
4.1 仿真实例 |
38-49 |
|
4.1.1 一维Hermit多项式逼近 |
38-47 |
|
4.1.2 时间序列预测 |
47-49 |
|
4.2 代码转换 |
49-53 |
|
第五章 电力系统负荷预测 |
53-63 |
|
5.1 简介 |
53-58 |
|
5.1.1 电力系统负荷预测的特点 |
53-54 |
|
5.1.2 电力系统负荷预测的原理 |
54-55 |
|
5.1.3 影响电力系统负荷预测的主要因素 |
55-57 |
|
5.1.4 电力系统负荷预测的步骤 |
57-58 |
|
5.1.5 电力系统负荷预测的分类 |
58 |
|
5.2 短期电力负荷预测的目的和意义 |
58-59 |
|
5.3 电力系统负荷预测的方法 |
59-63 |
|
第六章 RBFN在短期电力负荷预测中的应用 |
63-70 |
|
6.1 引言 |
63 |
|
6.2 RBF网的设计 |
63-67 |
|
6.2.1 传统 K均值聚类算法 |
63-64 |
|
6.2.2 隐含层的构造 |
64-66 |
|
6.2.3 权重的计算 |
66-67 |
|
6.3 预测实例 |
67-69 |
|
6.3.1 输入层与输出层的构造 |
67 |
|
6.3.2 实验结果 |
67-69 |
|
6.4 结论 |
69-70 |
|
第七章 结论 |
70-72 |
|
参考文献 |
72-75 |
|
致谢 |
75-76 |
|
攻读学位期间发表的学术论文目录 |
76-77 |
|
硕士研究生学位论文答辩委员会决议书 |
77-78 |
|
| 【DOI】 | LunWen.ID:2.2008.388985 |
