[发明专利]一种基于人工神经网络和D-S证据理论的用户变化量预测方法

摘要

本发明提供一种基于人工神经网络和D-S证据理论的用户变化量预测方法，包括如下步骤：1）采集用户用电量状况和用电习惯等数据；2）获取用户的原始样本数据，随机等分为n等分，对采集的数据进行预处理；3）初始化n个RBF神经网络，设置网络参数，进行网络离线学习训练；4）RBF神经网络训练完成后建立基于神经网络的特征级融合模型；5）获得检测样本，数据预处理后作为每个神经网络的输入；6）得到n组神经网络输出结果，对每组结果归一化，作为一组证据的信任函数；7）根据合成规则，利用D-S证据理论对这些证据进行融合；以及8）得到最终的信任函数，根据判断规则作出用户变化量的预测。

主权项

一种基于人工神经网络和D‑S证据理论的用户变化量预测方法，包括如下步骤：1）采集用户用电量状况和用电习惯等数据；2）获取用户的原始样本数据，随机等分为n等分，对采集的数据进行预处理；3）初始化n个RBF神经网络，设置网络参数，进行网络离线学习训练；4）RBF神经网络训练完成后建立基于神经网络的特征级融合模型；5）获得检测样本，数据预处理后作为每个神经网络的输入；6）得到n组神经网络输出结果，对每组结果归一化，作为一组证据的信任函数；7）根据合成规则，利用D‑S证据理论对这些证据进行融合；以及8）得到最终的信任函数，根据判断规则作出用户变化量的预测。