公开(公告)号：CN113205182B

公开(公告)日：2021-09-17

申请号：CN202110764899.4

申请日：2021-07-07

Applicant: 华东交通大学

Inventor： 唐洪 ,  邓锋 ,  肖湘 ,  夏军 ,  凌象政

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于稀疏剪枝方法的实时电力负荷预测系统，该系统采用连接灵敏度表示神经网络连接的重要性，并根据连接重要性在网络反向传播过程中去除对目标函数关联度较小的连接，从而使得预测系统中的GRU神经网络连接变得稀疏，这种稀疏化的GRU神经网络只需要在GRU神经网络上进行单次剪枝，并使用微调方式优化预测性能。经过实际测试，结果显示，基于连接灵敏度的单次剪枝算法在去除GRU预测系统中99.3%的参数，实现高稀疏率的情况下，该系统分类的准确度不会受到损失，解决了GRU预测系统在训练阶段参数量冗余，计算量庞大的问题。

公开(公告)号：CN113205182A

公开(公告)日：2021-08-03

申请号：CN202110764899.4

申请日：2021-07-07

Applicant: 华东交通大学

Inventor： 唐洪 ,  邓锋 ,  肖湘 ,  夏军 ,  凌象政

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于稀疏剪枝方法的实时电力负荷预测系统，该系统采用连接灵敏度表示神经网络连接的重要性，并根据连接重要性在网络反向传播过程中去除对目标函数关联度较小的连接，从而使得预测系统中的GRU神经网络连接变得稀疏，这种稀疏化的GRU神经网络只需要在GRU神经网络上进行单次剪枝，并使用微调方式优化预测性能。经过实际测试，结果显示，基于连接灵敏度的单次剪枝算法在去除GRU预测系统中99.3%的参数，实现高稀疏率的情况下，该系统分类的准确度不会受到损失，解决了GRU预测系统在训练阶段参数量冗余，计算量庞大的问题。