Key Words:
回声状态网络;;麻雀搜索算法;;Tent混沌映射;;电力需求预测
Abstract:
首先将标准麻雀搜索算法SSA加入Tent混沌映射以及动态步长因子得到优化的麻雀搜索算法ISSA，以提高种群的多样性并调节种群的全局搜索能力与局部开发能力。然后，将标准回声状态网络ESN的储蓄池内部状态函数用双曲正切函数来代替得到非线性回声状态网络NESN。最后，利用优化的麻雀搜索算法ISSA对非线性回声状态网络的储蓄池稀疏度SD以及谱半径SR进行参数优化，构建ISSA-NESN预测模型。通过算例分析，ISSA-NESN的平均绝对百分比误差（MAPE）为15.84%，均方根误差（RMSE）为0.12，预测效果优于其他对比模型。
Paper Publications
