[发明专利]基于笛卡尔遗传编程循环神经网络的超短时负荷预测方法

摘要

基于笛卡尔遗传编程循环神经网络的超短时负荷预测方法，包括首先初始化节点属性及网络参数，包括输入、连接函数、权重；之后建立网络学习样本，并对数据作归一化处理；然后所有输入以及连接输入的权重都相乘，再相加，之后转入到线性或非线性的激活函数，获得节点输出；最后将获得的节点输出用作系统输出或下一个节点的输入，通过突变连续进化CGPRNN基因型，直到达到所需的适应度，状态不再变化，获得最终的RNN。本方法利用了笛卡尔遗传规划CGP进行RNN的进化，能产生循环的ANN，具有较快的计算速度和较高的预测精度。

主权项

1.基于笛卡尔遗传编程循环神经网络的超短时负荷预测方法，其特征在于，所述方法包括以下步骤：步骤S1，初始化节点属性及网络参数，包括输入、连接函数、权重；步骤S2，建立网络学习样本，并对数据作归一化处理；步骤S3，所有输入以及连接输入的权重都相乘，然后相加，然后转入到线性或非线性的激活函数，获得节点输出；步骤S4，获得的节点输出用作系统输出或下一个节点的输入，通过突变连续进化CGPRNN基因型，直到达到所需的适应度，状态不再变化，获得最终的RNN。