-
公开(公告)号:CN111784061B
公开(公告)日:2023-06-06
申请号:CN202010645695.4
申请日:2020-07-07
Applicant: 广东电网有限责任公司
IPC: G06Q10/04 , G06Q30/0283 , G06Q50/06 , G06N3/0499
Abstract: 本申请公开了一种电网工程造价预测模型的训练方法、装置和设备。首先,获取电网工程造价的历史数据,并划分训练集和测试集;接着,通过训练集训练多层优化核极限学习机,根据极限学习机‑自编码原理优化前N‑1层隐含层的权重参数,基于遗传算法优化最后一层隐含层的核参数和正则化系数,得到训练好的多层优化核极限学习机,采用测试集进行测试,若误差值低于预置阈值,输出电网工程造价预测模型;否则,增加前N‑1层隐含层的神经元数量并重新训练,解决了现有的基于传统的单隐含层前馈神经网络进行电网工程造价预测、采用梯度下降法对单隐含层前馈神经网络的参数进行迭代优化,存在训练时间长且容易陷入局部最优从而预测精度低的技术问题。
-
公开(公告)号:CN111784061A
公开(公告)日:2020-10-16
申请号:CN202010645695.4
申请日:2020-07-07
Applicant: 广东电网有限责任公司
Abstract: 本申请公开了一种电网工程造价预测模型的训练方法、装置和设备。首先,获取电网工程造价的历史数据,并划分训练集和测试集;接着,通过训练集训练多层优化核极限学习机,根据极限学习机-自编码原理优化前N-1层隐含层的权重参数,基于遗传算法优化最后一层隐含层的核参数和正则化系数,得到训练好的多层优化核极限学习机,采用测试集进行测试,若误差值低于预置阈值,输出电网工程造价预测模型;否则,增加前N-1层隐含层的神经元数量并重新训练,解决了现有的基于传统的单隐含层前馈神经网络进行电网工程造价预测、采用梯度下降法对单隐含层前馈神经网络的参数进行迭代优化,存在训练时间长且容易陷入局部最优从而预测精度低的技术问题。
-