差分進化算法優(yōu)化BP神經網絡的能源需求預測研究.pdf

1、能源是人類生產和生活必備的物質之一，可靠的能源需求預測能為能源企業(yè)發(fā)展戰(zhàn)略的規(guī)劃和國家能源相關政策的制定提供決策支持，因此，盡可能地提高預測準確率對能源企業(yè)或國家將會是很有意義的。根據所使用的數據，能源需求預測類型主要有兩種，一種是僅利用歷史能源需求數據建立預測模型，即單因素時間序列預測；另一種是利用影響能源需求的因素的歷史數據，如國內生產總值(gross domestic product，GDP)，人口數量，進出口額等因素，建立基于多

2、因素影響的預測模型。本文主要對智能預測方法中的BP神經網絡(Back Propagation Neural Network，BPNN)進行優(yōu)化并對以上兩種類型的能源需求預測問題進行建模預測。
　　首先，針對BPNN的學習算法隨機初始化網絡的連接權值和閾值從而易使模型陷入局部極小點的缺點，設計了一種自適應差分進化算法(Differential Evolution algorithm，DE)優(yōu)化 BPNN的兩階段混合算法(ADE-BP

3、NN)。該混合算法中，第一階段是采用自適應變異因子的差分進化算法預尋優(yōu)BPNN的初始權值和閾值，第二階段是將第一階段得到的最優(yōu)權值和閾值作為BPNN的初始權值和閾值，BPNN繼續(xù)深度尋優(yōu)得到最終的權值和閾值，預測模型由此確立。然后，選取具有非線性特點的單因素時間序列電力消耗預測對比算例，將本文設計的ADE-BPNN與最常用的時間序列預測模型(如自回歸移動平均模型)、標準的BPNN預測模型及其他預測模型的預測結果進行對比分析，驗證了ADE