ANFIS模糊神经网络研究(二)

第第页，共3页实验ANFIS神经网络的构建与使用一、实验目的加深对ANFIS神经网络原理的理解及使用；掌握使用ANFIS神经网络解决实际问题的方法。二、实验内容本次实验通过ANFIS神经网络在用电预测中的应用，对未来某交易时段内统负荷的预先估计。负荷预测是进行实时控制、制定运行计划和发展规划的基础，是电力市场决策支持软件的基本组成部分。并观察同ANFIS神经网络的各个参数对ANFIS神经网络的影响：1、该用电预测的实例中，常规重要的量化指标主要:时间（date）、实际用电值（x）、以及拟合用电值（y）为输出项；本实验中通过选取date、x等指标，y为输出变量；运用评价数据对训练好的ANFIS系统进行验证。通过仿真实验表明，该方法行之有效，并可大大提高故障诊断效率，具有较强的实用性。实验数据见《electricity-data.xls》。2、在初始参数下，观测ANFIS神经网络的训练过程及使用测试数据进行仿真时的输出，然后将训练次数设置为100、800、1200等等，分析网络的输出效果，以便确定合适的训练次数。3、在保持其它参数不变的情况下，改变隶属度函数的类型（或者隶属函数的个数），例如取钟形、S形、梯形、高斯形等等，观测ANFIS神经网络的训练过程和输出，以便最终确定隐含层神经网络的个数。4、在ANFIS人工神经网络已经训练好的情况下，从样本数据中抽取若干数据进行模型测试，测试训练好的ANFIS人工神经网络能否正确逼近它们。注意：模型训练时可选取80%样本用于建模，另20%用作模型验证。三、实验方法与步骤数据准备准备样本数据文件:electricity-data.xls。“ID属性为数据列编号，不需时，可以选择去掉。将“electricity-data.xls”文件的12条数据中前9条数据作为训练数据集，后3条数据作为测试数据集，并保存为文件。创建方案：登录TipDM平台()后的默认页面即为“方案管理”，在此页面，选择“分类与回归”创建一个新方案，方案名称：自适应模糊神经网络在用电预测中的应用方案描述：电力负荷预测是根据电力负荷的历史数据，考虑其它外部客观因素的影响，对未来某交易时段内系统负荷的预先估计。负荷预测是进行实时控制、制定运行计划和发展规划的基础，是电力市场决策支持软件的基本组成部分。信息输入完成后点“确定”保存方案。上传数据：进入“数据管理”标签页，选择electricity-data.xls，并上传，上传的数据将自动显示在列表框中，若不能正确显示，点“刷新”按钮。预测建模：“系统菜单”中选择“分类与回归T神经网络TANFIS神经网络”。a）导入数据：除id夕卜，date、x、y选择等属性（y为输出项），以及样本数据范围（从第1行至12行），导入样本数据到当前算法操作区。b）参数设置：可设置“训练次数”“期望输出”“初始步长”“隶属度函数类型”等等参数。c）模型训练：通过导入的专家样本数据，进行模型训练。分析训练过程中输出的相关信息。d）模型验证：导入10至12行共3条样本，对训练好的模型进行验证。分析验证过程中输出的相关信息。f）模型预测：对date、x等属性输入数据，预测y的输出值；并点“模型预测”。分析输出的有关预测信息。四、思考与实验总结总结ANFIS神经网络建模的步骤。分析训练样本验证误