✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。​

⛄ 内容介绍

电力系统中每小时负荷具有波动性,为了提高短期电力负荷预测的精度,本文提出基于改进ANN神经网络的预测模型,此模型应用布谷鸟优化算法对ANN神经网络中的参数进行优化后,再对数据进行预测。通过电力负荷数据的分析,与传统的ARIMA模型相比较,提出的改进模型能够很好地提高预测精度。

⛄ 部分代码

function cost = ANN_Cost(POP)

global input output numOfNeurons NumofInputs

cost = zeros(size(POP,1),1);

for ipop = 1:size(POP,1)

    pop = POP(ipop,:);

    W = pop(1:(NumofInputs+1)*numOfNeurons);

    U = pop((NumofInputs+1)*numOfNeurons+1 : end);

    z1 = tansig(input*W(1)+W(4));

    z2 = tansig(input*W(2)+W(5));

    z3 = tansig(input*W(3)+W(6));

    z4 = 1;   % bias

    ANN_output = z1*U(1) + z2*U(2) + z3*U(3) + z4*U(4);

    cost(ipop) = sum( ( (output - ANN_output).^2 ) )./ sum(output.^2) * 100;  

end

⛄ 运行结果

【预测模型-ANN预测】基于布谷鸟优化人工神经网络算法实现数据预测附matlab代码_优化算法

⛄ 参考文献

[1]张艺馨. 基于布谷鸟优化算法的电力负荷预测优化模型[J]. 经营管理者, 2015(3):2.

[2]邓亚平, 段建东, 贾颢,等. 基于布谷鸟算法优化独立循环神经网络深度学习的超短期风电功率预测[J]. 电网与清洁能源, 2021(037-009).

❤️ 关注我领取海量matlab电子书和数学建模资料
❤️部分理论引用网络文献，若有侵权联系博主删除