高琳1，高峰2，管晓宏2，周佃民2
（1．西安交通大学电气工程学院,710049,西安;2.西安交通大学机械制造系统工程国家重点实验室,710049,西安）
摘要：提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中，在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集，保证了两者的一致性．进而采用美国加州电力市场的实际数据，建立了由多个神经网络集成的电力系统短期负荷预测模型．预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度．
关键词：短期负荷预测；Boosting算法；神经网络集成
中图分类号：TP181文献标识码：A文章编号： 0253987X（2004）10102605