[发明专利]一种基于BP神经网络的地铁能耗综合预测方法

权利要求书

1.一种基于BP神经网络的地铁能耗综合预测方法，主要包括以下步骤：

第一步，建立地铁能耗综合预测的神经网络模型，其中包括确定神经网络模型的输入特征变量，神经网络模型输出的目标向量；

第二步，确定所述神经网络模型的隐含层单元数的取值边界；

第三步，对所述神经网络模型的参数进行初始化；

第四步，计算所述神经网络模型的学习误差；

第五步，对所述神经网络模型进行训练，确定所述神经网络模型的隐含层单元数，建立用于预测地铁能耗的BP神经网络，并利用所述BP神经网络，进行地铁能耗预测。

2.如权利要求1所述的地铁能耗综合预测方法，在第一步中，将高于26℃的小时数、人流密度、列车的车次密度和周变量作为输入特征变量，其中周变量设定为1到7的整数，将地铁的每日能耗量设定为所述目标向量。

3.如权利要求1所述的地铁能耗综合预测方法，在第二步中，通过公式1和公式2确定隐含层单元数的取值范围，其中公式1为：

n1=n+m+a]]>

其中n₁为隐含层单元数，n为输入单元数，m为输出单元数，a为[1,10]之间的常数。

公式2为：

n₁=log₂n,

其中n₁为隐含层单元数，n为输入单元数。

将由公式1和公式2分别计算获得的隐含层单元数的取值范围求并集，确定隐含层单元数的取值边界n₁_min和n₁_max，其中n₁_min为隐含层单元数的最小取值，n₁_max为隐含层单元数的最大取值

4.如权利要求1所述的地铁能耗综合预测方法，在第四步中，将给定的学习误差ε₀分为n级，其中ε_i=2^n-i·ε₀，(i＝1,2,…,n)，再依次取ε₁,ε₂,…,ε_n(ε_n=ε₀)作为收敛控制参数。