论文摘要
目前电网公司对电网物资的预测和研究存在诸多问题,如缺少科学的指导、合理的依据及忽视设备数据之间存在的关联等。针对贵州电网建设项目物资的需求特点,建立了BP神经网络物资预测模型。文中通过使用Adam优化算法代替传统BP神经网络所使用的随机梯度下降算法,有效避免了因随机梯度下降算法易于陷入局部最优而导致预测误差较大的问题,并加入L2正则化方法来防止BP神经网络因训练样本较少或过度训练而导致的过度拟合现象的发生。通过所需设备的历史数据对构建的BP神经网络模型进行训练,然后将训练好的模型用于电网物资的需求预测。通过实验显示,改进的BP神经网络模型用于电网物资的预测,能够显著地减少电网物资需求预测的误差。
论文目录
文章来源
类型: 期刊论文
作者: 丁红卫,王文果,万良,罗剑
关键词: 电网物资预测,神经网络,优化算法,过度拟合
来源: 计算机技术与发展 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑,经济与管理科学
专业: 电力工业,自动化技术,工业经济,企业经济
单位: 贵州大学计算机科学与技术学院,贵州电网有限责任公司物流服务中心
基金: 贵州省科学基金(黔科合J字[2011](2328),黔科合LH字[2014](7634))
分类号: F426.61;F274;TP183
页码: 138-142
总页数: 5
文件大小: 652K
下载量: 585