基于遗传算法改进的ELMAN神经网络在电力负荷预测中的应用，附MATLAB代码？

本文共计532个文字，预计阅读时间需要3分钟。

1. 简介一种基于传统算法优化Elman神经网络的短期功能预测方法，包括以下步骤： - 首先确定Elman神经网络的拓扑结构，包括输入层节点数、隐藏层节点数、输出层节点数 - 接受层节点数

1 简介

一种基于遗传算法优化Elman神经网络的短期功率预测方法,包括以下步骤:首先确定Elman神经网络拓扑结构,其中包括神经网络输入层节点个数,隐藏层节点个数,输出层节点个数,承接层节点个数等.然后初始化Elman神经网络权值阈值长度.再使用遗传算法对初始值进行编码并进行交叉变异等操作产生优化后的神经网络初始权值,最后对神经网络进行学习和训练并更新权值,得到预测结果.本发明使得预测准确率更高,速度更快,便于电网的调度运行.

2 部分代码

functionret=Select(individuals,fitness,sizepop)%本函数对每一代种群中的染色体进行选择，以进行后面的交叉和变异%individualsinput:种群信息%fitnessinput:适应度%sizepopinput:种群规模%optsinput:选择方法的选择%retoutput:经过选择后的种群fitness=1./(fitness);sumfitness=sum(fitness);sumf=fitness./sumfitness;index=[];fori=1:sizepop%转sizepop次轮盘pick=rand;whilepick==0pick=rand;endforj=1:sizepoppick=pick-sumf(j);ifpick<0index=[indexj];break;%寻找落入的区间，此次转轮盘选中了染色体i，注意：在转sizepop次轮盘的过程中，有可能会重复选择某些染色体endendendindividualsTemp=individuals(index,:);fitnessTemp=fitness(index);if(size(individualsTemp,1)==0)ret=individuals;elseret=individualsTemp;endend

3 仿真结果

​

编辑

​

编辑

4 参考文献

[1]周武能, 尤亚锋. 基于遗传算法优化Elman神经网络的短期功率预测方法:, 2018.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

5 代码下载

​

编辑