[发明专利]一种支持大数据的负荷预测方法

摘要

本发明提供了一种支持大数据的负荷预测方法。本发明在网络训练时，通过改进模拟退火算法根据测试误差反馈寻找最优信息熵比对原始输入矩阵经行维度压缩及最小样本集合半径后作为构建径向基神经元内核函数的参数。改进型模拟退火算法在全局优化时不宜陷入局域最优的基础上，实现了优化初始阶段全局寻优，优化过程后期局域寻优的优点，缩短了优化过程，提升了优化效率，增强了预测的准确度及泛化能力。

主权项

一种支持大数据的负荷预测方法，其特征在于，包括以下步骤：步骤1、利用傅里叶系数分解方法对负荷进行奇异值的剥离及插值估算；步骤2、卡洛变换：U＝X·W^T，式中，X为输入数据样本集合，大小为n×m；W为投影向量，U为变换后的输入数据；步骤3、对变换后的输入样本数据进行归一化、随机化，生成训练样本；步骤4、运用层次分裂分析算法对训练样本进行分类，将隐含层的大小从n×(n+1)的矩阵缩小为n×(k+1)的矩阵，k为分类后得到的集合数，k＜＜n；步骤5、构建径向基网络隐含层；步骤6、网络误差评估；步骤7、误差反馈优化网络参数，在网络训练时，通过改进模拟退火算法根据测试误差反馈寻找最优信息熵比对原始输入矩阵经行维度压缩及最小样本集合半径后作为构建径向基神经元内核函数的参数。