基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測附錄_第1頁
基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測附錄_第2頁
基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測附錄_第3頁
基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測附錄_第4頁
基于OS-ELM和Bootstrap方法的超短期風(fēng)電功率預(yù)測附錄_第5頁
已閱讀5頁，還剩1頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

附錄A對于N個不同的訓(xùn)練樣本，是維輸入向量，是維輸出向量，具有D個隱層節(jié)點和無限可微激活函數(shù)的SLFN結(jié)構(gòu)可以以零誤差逼近這N組樣本，即存在,和，使，也可寫成如下形式：(A1)式中：為維向量，表示輸入層與隱含層的神經(jīng)元的連接權(quán)值；為維向量，表示隱含層與輸出層神經(jīng)元的連接權(quán)值；為隱含層神經(jīng)元的閥值；為網(wǎng)絡(luò)的輸出；為激活函數(shù)，可以是“sig”，“rbf”，“sin”等多種形式。這N個方程可寫成矩陣形式： (A2) (A3)andELM全局最優(yōu)輸出權(quán)值可寫為： (A4)OS-ELM主要包括2個步驟。1）初始化階段給定網(wǎng)絡(luò)初始的隱含層節(jié)點數(shù)，初始訓(xùn)練樣本，激活函數(shù)，隨機產(chǎn)生輸入層和隱含層之間連接權(quán)值和閥值初始化網(wǎng)絡(luò)，求得初始隱含層輸出矩陣H0和輸出權(quán)值向量。2）在線序貫學(xué)習(xí)階段當?shù)趖+1批次樣本數(shù)據(jù)到來，t+1次隱含層輸出矩陣和輸出權(quán)值向量可根據(jù)下式更新： (A5)(A6)式中：；;表示第t+1批次樣本的個數(shù)；=[,,...,]，表示第t+1批次樣本的輸入向量。整個流程詳見圖A1，首先通過標準ELM建立初始網(wǎng)絡(luò)，隨后根據(jù)最新批次的樣本數(shù)據(jù)不斷更新參數(shù)H和，更新網(wǎng)絡(luò)，直到所有數(shù)據(jù)學(xué)習(xí)完畢。圖A1OS-ELM流程圖Fig.A1FlowchartofOS-ELM附錄BB1誤差評估概念1)殘差樣本對于個誤差評估訓(xùn)練樣本，假定預(yù)測殘差是一個隨機變量，其中表示原始網(wǎng)絡(luò)隱函數(shù)，為對應(yīng)的實測值，方差為，其總體分布F未知。為了消除模型系統(tǒng)誤差的影響，將預(yù)測殘差中心化：,(B1)上述即構(gòu)成誤差總體分布F的一個觀測。2)Bootstrap訓(xùn)練樣本從中有放回地進行次隨機抽樣，記第j次抽到樣本為()，由此構(gòu)造一組Bootstrap訓(xùn)練樣本，其中定義為：(B2)理論上

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論