收藏本站
《第二十三届中国控制会议论文集(下册)》2004年
收藏 | 手机打开
二维码
手机客户端打开本文

A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting

【摘要】:正 Because of the complexity of the historical load data and the randomness of a lot of uncertain factors influence, the observed data include the linear and nonlinear parts. The choice of the forecasting model becomes the important influence factor how to improve load forecasting accuracy. ARIMA and ANN are very practical forecasting technology in the short-term electric load forecasting fields. ANN is extensively applied in electric load forecasting especially in recent years. Both ARIMA and ANN have different characteristics. ARIMA is suitable for linear prediction and ANN is suitable for nonlinear prediction. A combined model of ARIMA-ANN is proposed in the text. The linear part of the historical load data can be dealt with ARIMA, and ANN model can deal with the nonlinear part of historical load data. Experimental results indicate that a hybrid ARIMA-ANN model can improve the load forecasting accuracy.
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 汪建均;胡宗义;;含误差修正的ARIMA-GM叠加预测模型及其应用[J];统计与决策;2007年20期
2 雷文平,郑鹏;ARIMA模型在旋转机械振动预测中的应用[J];郑州轻工业学院学报;2004年02期
3 程昌品;陈强;姜永生;;基于ARIMA-SVM组合模型的股票价格预测[J];计算机仿真;2012年06期
4 李小明;王颖;刘春明;;基于ARIMA的电网地磁感应电流预测研究[J];计算机与数字工程;2012年09期
5 岑宇钿;肖南峰;;基于ARIMA模型的陀螺随机误差分析[J];装备制造技术;2008年11期
6 张国良;后永春;舒文;朱士玉;聂绍发;许奕华;;三种模型在肺结核发病预测中的应用[J];中国卫生统计;2013年04期
7 吕瑛洁,胡昌华,李国华,张伟;基于ARIMA和RBF网络组合预测的惯性器件故障预报[J];电光与控制;2005年04期
8 王振雷;唐苦;王昕;;一种基于D-S和ARIMA的多模型软测量方法[J];控制与决策;2014年07期
9 梅志雄;;应用DRNN和ARIMA组合模型的时空集成预测方法[J];小型微型计算机系统;2010年04期
10 王吉芳;费仁元;徐小力;刘鑫;;ARIMA与RBF复合模型在设备运行状态趋势预测中的应用[J];机械传动;2011年09期
中国重要会议论文全文数据库 前3条
1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三届中国控制会议论文集(下册)[C];2004年
2 任家福;张昉;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届(2008)中国管理学年会——技术与创新管理分会场论文集[C];2008年
3 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年
中国硕士学位论文全文数据库 前1条
1 单玉隆;ARIMA模型与遗传算法优化神经网络在GDP预测中的应用[D];兰州大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026