2011年日历电工杯A题 用神经网络 它的输入时间点怎么表示？

来源：蜘蛛抓取(WebSpider) 时间：2011-11-26 21:51 标签： 2011年日历
Matlab神经网络工具箱问题~启动nntool,输入相关数据,训练后再仿真出现问题：我输入值是一个2*83的矩阵,仿真程序警告“Too Much Argument”无输出,请问是输入格式有误还是怎么样的?是too many output arguments
这好像和你的输出有关.您输出的矩阵是什么?你可以把你的神经网络发上来看看.
就是我对这个工具箱不甚了解，您能否稍稍简单地说下过程，输入怎样，输出怎样？我这个输入是83*5的矩阵，输出打算输出[0，1]之间的83*1的矩阵，它的界面上面的number of neurons是指什么？谢谢，急用，又追加~~
你的输出矩阵有问题。比如你输入的是83*5，意味着83个独立变量，5个独立值。但是你输出的83*1，至少列数值应该也是5。
为您推荐：
其他类似问题
扫描下载二维码2011电工杯A题风功率-五星文库
免费文档下载
2011电工杯A题风功率
导读：时序神经网络预测方法：原始数据是风速时间序列和风电机组输出功率的时间序列，2．风电场功率的预测方法，基于功率的预测方法就是不考虑风速的变化过程，根据历史功率序列建立模型并利用实时数据对发电量进行短期预测，或者根据历史数据找出天气和输出功率间的关系并利用实时数据和NWP信息对发电量进行，把每个风力发电机都看作一个“数据采集装置”这样整个风电场发电功率预测模型所输入的，可以直接将其中风力发电机输出
权值的优点，依靠预测递推方程可以获得较高的精度，但同样存在建立卡尔曼状态方程和测量方程较困难的不足。首先利用时间序列分析建立一个能反映序列信号变化规律的低阶模型，从该低阶模型的预测方程入手， 直接推导出卡尔曼滤波的状态和测量方程，利用卡尔曼预测迭代方程可以实现信号的预测，这恰好避免了建立高阶时间序列模型和推导卡尔曼状态和测量方程困难的问题。
人工神经网络法人工神经网络(ANN)旨在模仿人脑结构及其功能，由大量简单处理元件以某种拓扑结构大规模连接而成，是一门涉及生物、电子、计算机等多个领域的科学。人工神经网络具有并行处理、分布式存储与容错性等特征，具有自学习、自组织和自适应能力，可以实现联想记忆、非线性映射、分类与识别、优化计算、知识处理等功能，对复杂问题的求解十分有效，可用于短期风速预测。
时序神经网络预测方法：原始数据是风速时间序列和风电机组输出功率的时间序列。用时间序列法和神经网络法进行建模，主要内容为:用时间序列法建模，得到对预测值影响最大的几个量;将时间序列法的研究结果运用到神经网络法，定量确定神经网络法的输入变量;为了提高预测精度和保持预测精度的稳定性，提出了滚动式权值调整手段，解决了神经网络权值随时间推移而逐渐变得不适用的问题。时序神经网络法有效地提高了风速预测精度。
模糊逻辑法应用模糊逻辑和预报人员的专业知识将数据和语言形成模糊规则库，然后选用一个线性模型逼近非线性动态变化的风速。但是，单纯的模糊方法对于风速预测，效果往往不佳，这主要是
因为模糊预测学习能力较弱，模糊系统的辨识还未形成完善的理论，在预测系统中选择模糊系统的结构尚需作进一步的研究。通常模糊预测法要与其他方法配合使用，例如将模糊与遗传算法相结合进行短期风速预测。
空间相关性法该方法需要考虑风电场以及与之相近几个地点的多组风速数据，运用几个地点风速之间的空间相关性，进行风速预测。为了获得所需的几组风速数据，需要在风电场周边地区设置几个远程测速站。风电场本地以及各个远程测速站测得的实时风速数据经中心计算机处理，利用风电场与各个测速站处风速之间的空间相关性，对风电场的风速进行预测。实际上，若能收集到风电场以及与之相近的几个地点的多组风速数据，则可利用该方法进行风速预测。该方法对原始数据收集量很大，但由于预测过程中考虑的因素增多，所以预测效果较好。目前，该方法的使用尚在完善中。
2．风电场功率的预测方法
基于功率的预测方法就是不考虑风速的变化过程，利用统计方法或学习方法，根据历史功率序列建立模型并利用实时数据对发电量进行短期预测，或者根据历史数据找出天气和输出功率间的关系并利用实时数据和NWP信息对发电量进行中期预测。在短期预测时，这种方法的输入信号仅仅需要大型风电场中的每个风力发电机的电压和电流数据。把每个风力发电机都看作一个“数据采集装置”这样整个风电场发电功率预测模型所输入的时间序列数据包含的信息更全面、更准确。这种预测方法既可以降低数据采集的成本，又可以提高数据
采集的质量，增加预测准确度。而且在现代化的大型风电场中都会建立风力发电机的远程监控系统，在这个系统中会对所有风力发电机的所有信号进行采集和记录，因此，可以直接将其中风力发电机输出功率的实时数据用来进行风电场的发电功率预测，不需要增加额外的成本。
物理模型主要考虑的是一些物理量，比如数值天气预报得到的天气数据(风速、风向、气压等)，风电场周围的信息(等高线、粗糙度、障碍物等)以及风电机组的技术参数(轮毅高、穿透系数等)。其目的是找到风电机组轮毅高度出的风速最优估计值，然后用模型输出统计模块(MOS)减小存在的误差，最后根据风电场的功率曲线计算得到风电场的输出功率。由于天气预报每天只更新几次，因此这种模型通常适用于相对较长期的预测，比如提前6小时。在不同的风向和温度条件下，即使风速相同，风电场输出功率也不相等，因此风电场功率曲线是一族曲线，同时还应考虑风电机组故障和检修的情况。对整个区域进行风电功率预测时，可采用如下方法：一种方法是对所有的风电场输出功率进行预测，然后求和得到风电功率；另一种方法是只对几个风电场进行预测，然后用一种扩展算法得到整个区域的风电场输出功率。
统计学模型可以不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场数据功率进行预测。不引人数值天气预报(NWP)的统计学模型对于提前3-4小时的风电功率预测结果是可以满足精度要
求的，但对于提前更长时间的预测结果，精度是不够的。目前的统计学模型预测方法主要有卡尔曼滤波法、随机时间序列法、模糊逻辑法、人工神经网络方法(artificial neural networks，ANN)、混合专家经验法(mixture of experts ME)、最近邻搜索(nearest neighbour search，NNS)、蚁群优化(particle swarm optimization，PSO)和支持向量机(support vector machines，SVM)等。
五、新的预测方法
1．基于小波变换的风速时间序列分析
小波变换原理及规律，并针对小波变换的Mallat算法及其应用进行.深入的研究，说明小波变换是非平稳时间序列信号时频分析的有效工具。由小波分析理论可知，原始信号通过小波变换分解到不同的频率通道上，分解后信号在频率成分上比原始信号单一。因此对非平稳时间序列进行小波分解后，就可以利用最小二乘支持向量机等预测方法进行预测。
2．基于最小二乘支持向量机的风速时间序列分析和预测
本章基于机器学习和统计学习理论的支持向量机原理，详细探讨了支持向量.机的改进算法一最小二乘支持向量机。最小二乘支持向量机通过解一组线性方程组取代标准支持向量中二次规划优化，提高了收敛速度，比标准支持向量机具用更小的计算复杂性。通过具体的仿真实例可以看出，用最小二乘支持向量机来解决非平稳风速时间序列模式识别问题和预测问题，其辨识和预测效果很好，这说明LS一SVM方法在样本较少时，不仅收敛速度快，而且预测较准确。
包含总结汇报、外语学习、旅游景点、出国留学、专业文献、应用文书、文档下载、党团工作以及2011电工杯A题风功率等内容。本文共4页
相关内容搜索君，已阅读到文档的结尾了呢~~
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
2011电工杯论文A题一等奖.doc
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口2011数学建模A题神经网络优秀论文,带代码_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
2011数学建模A题神经网络优秀论文,带代码
上传于||文档简介
&&21数​学​建​模​A​题​神​经​网​络​优​秀​论​文​,​带​代​码
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
下载文档到电脑，查找使用更方便
还剩21页未读，继续阅读
你可能喜欢2011年全国电工杯数学建模全国一等奖论文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
2011年全国电工杯数学建模全国一等奖论文
上传于||暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩58页未读，继续阅读
你可能喜欢

我要回帖

更多关于 2011年日历 的文章

 

随机推荐