CN116187517B 基于asm-cnag算法的复值神经网络太阳辐射预测方法及系统 （苏州大学）

基于ASM-CNAG算法的复值神经网络太阳辐本发明提供一种基于ASM_CNAG算法的复值训练集的数据对所述复值神经网络模型进行训2S4：将测试集的数据输入到训练完成后的复值神经网络模型中测试模型的预测能力，其中利用ASM_CNAG算法，使用训练集的数据对所述复yt＝gt+1gtt3vt=βvt_1_αtgt2.根据权利要求1所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特3.根据权利要求2所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特4.根据权利要求2所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特5.根据权利要求2所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特将实值数据的大小作为复数的幅度，将数据对应的时间作为复数6.根据权利要求1所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特7.根据权利要求1所述的基于ASM_CNAG算法的复值神经网络太阳辐射预测方法，其特其中利用ASM_CNAG算法，使用训练集的数据对所述复4yt＝gt+1gtt56[0001]本发明涉及太阳辐射预测技术领域，尤其涉及一种基于ASM_CNAG(Adaptive拟牛顿法的自适应步长的复值加速梯度算法)算法的复值神经网络太阳辐射预测方法及系个分支，与实值神经网络相比在许多方面有优势，比如CVNN学习更快，泛化能力更强等。不论是NAG还是CNAG都是采用固定步长。而步长的选择与算法的收敛性和收敛速度息息相应用中，目标函数的全局光滑系数的准确计算也是一个NP(Non_deterministic7方法及系统，用于解决现有技术中传统CNAG方法训练复值神经网络时需要手动调参的问[0016]Bix1=we+BV-18[0049]本发明实施例提供了一种基于ASM_CNAG算法的复值神经[0055]太阳辐射预测预测模块，用于利用得到的太阳辐射预测模型对太阳辐射进行预9[0086]本发明实施例提供一种基于ASM_CNAG算法的复值神经网络太阳辐射预测方法及算法结合了多步拟牛顿法更好地估计迭代点的二阶信息，从而加速复值神经网络的训练，[0088]图1为根据实施例中提供的一种基于ASM_CNAG算法的复值神经网络太阳辐射预测[0091]图4为根据实施例中提供的一种基于ASM_CNAG算法的复值神经网络太阳辐射预测[0093]如图1所示，本发明实施例提供一种基于ASM_CNAG算法的复值神经网络太阳辐射用ASM_CNAG算法对复值神经网络模型进行训练，通过估计局部光滑系数来自适应调整步[0108]本发明提出了一种结合多步拟牛顿法的自适应步长的复值加速梯度算法(ASM_[0112]ASM_CNAG算法可以通过估计迭代点的二阶信息来自适应的调整步长α,具体流程[0116]grx1=D,(Dxn)[0140]将测试集的数据输入到训练完成后的复值神经网络模型中测试模型测试模型的[0147]如图4所示，本发明还提供了一种基于ASM_CNAG算法的复值神经网络太阳辐射预[0148]数据预处理模块100，用于对采集到的太阳辐射原始数据进行预处理，得到数据[0151]网络模型测试模块400，用于将测试集的数据输入到训练完成后的复值神经网络[0152]太阳辐射预测预测模块500，用于利用得到的太阳辐射预测模型对太阳辐射进行本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功[0157]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能所属领域的