【ELAMN预测】基于遗传算法优化ELMAN神经网络实现电力符合数据回归预测附matl

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

function ret=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% individuals input  : 种群信息% fitness input  : 适应度% sizepop     input  : 种群规模% opts        input  : 选择方法的选择% ret         output : 经过选择后的种群fitness= 1./(fitness);sumfitness=sum(fitness);sumf=fitness./sumfitness;index=[];for i=1:sizepop   %转sizepop次轮盘    pick=rand;    while pick==0        pick=rand;    end    for j=1:sizepop        pick=pick-sumf(j);        if pick<0            index=[index j];            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        end    endendindividualsTemp=individuals(index,:);fitnessTemp=fitness(index);if(size(individualsTemp,1) == 0)    ret=individuals;else    ret=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