电力负荷预测第九章人工神经网络的负荷预测.ppt

第九章 人工神经网络的负荷预测 一.神经网络理论概述 二.BP网络原理与算法 三.BP网络在短期负荷预测中的应用 教学要求： ●了解神经网络的基本知识； ●掌握BP及其改进算法； ●清楚BP网络在短期负荷预测中的应用； 教学难点： BP算法的权值修正的推导； 教学重点： BP算法的计算过程； 一.神经网络概述 1.神经网络的定义 2.神经网络理论的发展 3.神经网络的分类 4.神经网络理论的应用领域 5.神经网络的主要特性 6.神经元的描述 1.神经网络的定义 人工神经网络 (Artificial Neural Networks, ANN或NN) ——是对人脑或自然神经网络若干基本特性的抽象和模拟。 换句话说，是根据所掌握的生物神经网络机理的基本 知识，按照控制工程的思路和数学描述方法，建立相 应的数学模型，并采用适当的算法，有针对性的确定 数学模型的参数（如连接权值，阈值等），以便获得 某个特定问题的解。 2.神经网络理论的发展概述 1943年，心理学家Mcculloch和数学家Pitts提出M-P神经元模型。 1957年，美学者Frank Rosenblatt提出感知机模型Perceptron。 60年代，Widrow提出自适应元件Adaline。 1974年，美Werbos.P提出误差反向传播算法 (Back-Propagation)。 1982年，美Hopfield提出HNN全互联网络模型及能量函数。 1985年，Bumelhart发展了BP网络算法，实现Minsky的多层网络设 想。 3.神经网络的分类 4.神经网络理论的用途 ●函数逼近 ●数据聚集 ●模式分类 ●优化计算 ●概率密度函数估计 5.神经网络的基本特性 ●分布存储和容错性； ●可塑性、自适应性和自组织性； ●并行处理性； ●层次性； 6.神经元的描述 常用的作用函数 ●高斯核函数 ●阈值性函数 ●S状曲线 ●分段线性函数 二.BP网络原理及算法 1. BP网络的基本原理 2. BP算法的基本递推关系式 3. BP算法的实现步骤 4. BP学习算法的收敛性分析及改进 1.BP网络的基本原理 ● 什么是BP网络？ ——运用误差反向传播学习算法（Back-Propagation Trainging Algorithm）的前馈多层网络，~。 ●BP网络的学习过程 正向过程：输入信号从输入层经隐含层逐层处理，并传 向输出层，每一层神经元的