⛄一、人工蜂群算法+BP神经网络的预测模型实现流程
人工蜂群算法+BP神经网络算法的训练网络结构与传统的BP神经网络算法相同,此处不进行分析。在网络结构的选择上,选取了三层36-24-24网络结构,并选择Log-sigmoid作为此次的激活函数。
1 人工蜂群算法+BP神经网络的参数选择
为弥补BP神经网络在电力负荷预测中的不足,引入了人工蜂群算法。为了不加大后续的计算难度,需要选择合适的参数,具体设定如下:令蜂群规模为200;令跟随蜂、初始蜜源以及雇佣蜂的数量均为100;令limit为120次,算法最大迭代次数为1 000。
2 人工蜂群算法+BP神经网络模型的实现流程
人工蜂群算法+BP神经网络模型的具体实现流程如图1所示。
由图1可以看出,人工蜂群算法+BP神经网络模型的实现主要经过3个步骤:(1)在确定神经网络拓扑结构后,对蜂群参数(如蜂群大小、初始蜜源、最大迭代次数等)进行初始化处理。(2)利用雇佣蜂在领域内搜寻新蜜源,并计算其适应度情况,当适应度大于蜜源时,则进行标记与取代;反之则舍弃新蜜源。(3)对迭代过程进行检查,以确定是否达到终止条件,当达到终止条件时,获取最优权值和阈值,并进行相应的测试工作,获取最终结果;反之则重复迭代过程,