%0 Journal Article %T 基于GN-BFGS算法的RBF神经网络短期负荷预测 %A 夏道止 %A 张涛 %A 杨增辉 %A 谷庆利 %A 赵登福 %J 电力系统自动化 %D 2003 %X 提出了应用混合GN(GaussNewton)-BFGS(BroydenFletcherGoldfarbShanno)法进行RBF(径向基函数)神经网络学习的算法。这种方法结合GN法与BFGS法的特点,既尽可能地利用了问题本身的特殊结构,又能取得超线性甚至二次渐近收敛率,因此有效地提高了学习效率。在学习过程中,利用该方法能够区分零残量和非零残量,并利用这种特点进行隐层神经元数目的自动调整,从而可以保证神经网络的学习能力和推广能力。多个实际电网的负荷预测结果表明,该方法同神经网络的其他算法相比,具有训练时间短、预测精度高的特点 %K 短期负荷预测 %K GN-BFGS算法 %K RBF神经网络 %K 短期负荷预测 %K GN-BFGS算法 %K RBF神经网络 %U http://www.aeps-info.com/aeps/article/abstract/11641?st=article_issue