高　琳　高　峰　管曉宏　周佃民

摘要：提出了一種改進(jìn)的多神經(jīng)網(wǎng)絡(luò)集成自適應(yīng)Boosting回歸算法．算法中采用相對誤差模型代替絕對誤差模型，可以更接近于回歸預(yù)測問題的要求，并在Boosting迭代過程中，在對訓(xùn)練集采樣得到新的訓(xùn)練子集的同時，也對校驗集采樣得到新的校驗子集，保證了兩者的一致性．進(jìn)而采用美國加州電力市場的實際數(shù)據(jù)，建立了由多個神經(jīng)網(wǎng)絡(luò)集成的電力系統(tǒng)短期負(fù)荷預(yù)測模型．預(yù)測結(jié)果表明，與傳統(tǒng)的單網(wǎng)絡(luò)預(yù)測模型相比，Boosting集成預(yù)測模型能顯著提高模型輸出的穩(wěn)定性，增強網(wǎng)絡(luò)結(jié)構(gòu)及模型選擇的可靠性，獲得更高的預(yù)測精度．

關(guān)鍵詞：短期負(fù)荷預(yù)測；Boosting算法；神經(jīng)網(wǎng)絡(luò)集成

中圖分類號：TPl81文獻(xiàn)標(biāo)識碼：A文章編號：0253—987X(2004)10—1026—05