In order to reflect the influence o

In order to reflect the influence of each element on the load forecasting result, an Artificial Neural Network (ANN) Based approach for long-term load forecasting is investigated. Based on the theory of artificial neural network, a three-layer back propagation(BP) network is proposed. The idea is to forecast medium and long term load using the ability of ANN to nonlinear system. Seven factors are selected as inputs for the proposed ANN. The factors include GDP, heavy industry production, light industry production, agriculture production, primary industry, secondary industry, tertiary industry. Elimination method is used for the optimization selection of correlative factors, and forecasting accuracy is discussed. Simulation results show that predicting precision is elevated notably. after using elimination method, So the method brought forward is feasible and effective.

ผลลัพธ์ (ไทย) 1:

เพื่อสะท้อนให้เห็นถึงอิทธิพลขององค์ประกอบแต่ละโหลดการคาดการณ์ผล เครือข่ายประสาทเทียม (แอน) ตามแนวทางสำหรับการพยากรณ์โหลดระยะยาวเป็นการตรวจสอบ ตามทฤษฎีของโครงข่ายประสาทเทียม เครือข่าย propagation(BP) หลัง 3 ชั้นมีเสนอ ความคิดที่จะ คาดการณ์โหลดปานกลาง และ ระยะยาวโดยใช้ความสามารถของแอนระบบไม่เชิงเส้น เลือกปัจจัยที่เจ็ดเป็นอินพุตสำหรับแอนเสนอ ปัจจัยได้แก่ GDP การผลิตอุตสาหกรรมหนัก อุตสาหกรรมเบาการผลิต การผลิตการเกษตร อุตสาหกรรมหลัก รองอุตสาหกรรม อุตสาหกรรมระดับตติยภูมิ ใช้วิธีการตัดการ correlative ปัจจัยคัดสรรเพิ่มประสิทธิภาพ และความแม่นยำในการคาดการณ์กล่าวถึง ผลการทดลองแสดงว่า ความแม่นยำในการทำนายคือการยกระดับโดยเฉพาะ หลังจากใช้วิธีการตัดออก ดังนั้นวิธีการนำไปข้างหน้าเป็นไปได้ และมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะสะท้อนให้เห็นถึงอิทธิพลขององค์ประกอบผลการพยากรณ์โหลดแต่ละซึ่งเป็นโครงข่ายประสาทเทียม (ANN) ตามแนวทางสำหรับการพยากรณ์โหลดระยะยาวการตรวจสอบ ตามทฤษฎีของโครงข่ายประสาทเทียมขยายพันธุ์กลับเครือข่ายสามชั้น (BP) จะเสนอ ความคิดคือการคาดการณ์ระยะกลางและระยะยาวในการโหลดโดยใช้ความสามารถของแอนกับระบบเชิง เซเว่นปัจจัยที่ได้รับการคัดเลือกเป็นปัจจัยการผลิตแอนที่นำเสนอ ปัจจัยรวมถึงจีดีพีการผลิตอุตสาหกรรมหนัก, การผลิตอุตสาหกรรมเบาการผลิตการเกษตรอุตสาหกรรมหลักอุตสาหกรรมรองอุตสาหกรรมในระดับอุดมศึกษา วิธีการกำจัดถูกนำมาใช้สำหรับการเลือกที่เพิ่มประสิทธิภาพของปัจจัยที่สัมพันธ์กันและความถูกต้องในการคาดการณ์ที่จะกล่าวถึง ผลการจำลองแสดงให้เห็นว่าการคาดการณ์แม่นยำสูงสะดุดตา หลังจากที่ใช้วิธีการกำจัดดังนั้นวิธีการที่นำไปข้างหน้าเป็นไปได้และมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

เพื่อสะท้อนให้เห็นถึงอิทธิพลของแต่ละองค์ประกอบในการพยากรณ์ความต้องการ ส่งผลให้โครงข่ายประสาทเทียม ( ANN ) วิธีการที่ใช้สำหรับการพยากรณ์ความต้องการในระยะยาวได้ ตามทฤษฎีของโครงข่ายประสาทเทียมชนิดแพร่กลับเป็นสามชั้น ( BP ) เครือข่ายเสนอ ความคิดคือปานกลาง และระยะยาว การพยากรณ์โหลดโดยใช้ความสามารถของแอนกับระบบไม่เชิงเส้น 7 ปัจจัยที่จะเลือกเป็นปัจจัยการผลิตเพื่อเสนอ แอน ปัจจัย ได้แก่ ปัญหาการผลิตอุตสาหกรรมหนัก , การผลิต , การผลิต , อุตสาหกรรม , อุตสาหกรรม , อุตสาหกรรมขั้นตติยภูมิระดับมัธยมศึกษาการเกษตรอุตสาหกรรมแสง วิธีการใช้ที่เหมาะสมของปัจจัยการเลือกความสัมพันธ์และการพยากรณ์ความแม่นยำนี้ ผลการจำลองระบบแสดงให้เห็นว่าทำนายแม่นยําสูงโดยเฉพาะ . หลังจากใช้วิธีคัดออก ดังนั้นวิธีที่ยกมามีความคุ้มค่าและมีประสิทธิภาพ