افزایش یک ورودی جدید به شبکه عصبی با الگوریتم یادگیری ژنتیک در جهت بهبود پیش بینی بار کوتاه مدت
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 437
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SASTECH09_175
تاریخ نمایه سازی: 11 اردیبهشت 1398
Abstract:
پیش بینی بار کوتاه مدت، نقش اساسی در سیستم اقتصادی صرفهجویی تامین انرژی برق کشور دارد. یکی از روش هایی که در زمینه پیش بینی بار، محبوبیت زیادی دارد، استفاده از شبکه های عصبی مصنوعی میباشد. در این مقاله از شبکه عصبی که از طریق الگوریتم ژنتیک آموزش می بیند به پیشبینی کوتاه مدت بار الکتریکی استان خراسان رضوی می پردازیم. به دلیل اهمیت ورودی های شبکه عصبی، دقت در انتخاب ورودی ها امری ضروری است. زیرا انتخاب ورودی های نامناسب سبب بروز خطا در عملکرد سیستم میشود. پیش بینی کوتاه مدت بار الکتریکی به دلیل تاثیر عوامل متعدد متنوع غیر خطی نظیر شرایط آب هوایی تغییرات دورهای، از پیچیدگی خاصی برخوردار است. ازاینرو علاوه بر داده های گذشته بار پارامترهای دما از متغیر جدیدی که از منحنی بار به دست آمده اثر عوامل دورهای بر آن اعمال شده است، استفاده میکنیم تاثیر این متغیر را به بوته آزمایش خواهیم گذاشت. نتایج به دست آمده نشان دهنده بهبود پیش بینی بار کارایی متغیر پیشنهاد شده می باشد.
Keywords:
Authors
وحیده میریزدی
دانشجوی کارشناسی ارشد هوش مصنوعی رباتیک دانشگاه یزد
محمد قاسم زاده
استادیار گروه کامپیوتر دانشگاه یزد
علی محمد لطیف
استادیار گروه کامپیوتر دانشگاه یزد