Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

A receptor-like mechanosensitive protein governs preprophase band positioning for asymmetric cell divisions and SC morphogenesis.

Proceedings of the National Academy of Sciences of the United States of America·2026
Same author

Retraction Note: Forecasting for electricity demand utilizing enhanced inception-V4 using improved Osprey optimization.

Scientific reports·2026
Same author

Recent Advances in Multi-Omics of Systemic Lupus Erythematosus.

Current rheumatology reviews·2026
Same author

Implementing a novel PAM-4 modulation/demodulation scheme along with source and link protection in a high capacity data center architecture.

PloS one·2026
Same author

Parametric assessment of rainfall-related slope stability through SRM modeling and orthogonal experimental design: insights from the Zhuquedong slope, China.

Scientific reports·2026
Same author

Visualizing application of RUBY-MAT system in maize genetic transformation and gene expression pattern detection.

Plant cell reports·2026

相关实验视频

Updated: Jul 1, 2025

Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks
11:18

Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks

Published on: March 2, 2015

10.3K

修改的人工神经网络基于开发的蛇优化算法,用于短期价格预测.

Baozhu Li1, Majid Khayatnezhad2

  • 1College of Computer Science, Huanggang Normal University, Huanggang, 438000, China.

Heliyon
|March 7, 2024
PubMed
概括

这项研究介绍了一种新型的人工神经网络 (ANN),与蛇优化算法 (SOA) 结合,用于准确的短期电价预测. 新方法显著优于现有算法,提供了更好的市场决策.

科学领域:

  • 能源经济学 能源经济学
  • 计算智能是一种计算智能.
  • 时间序列预测时间序列预测

背景情况:

  • 短期电价预测对于市场参与者来说至关重要,以优化竞标和管理风险.
  • 由于供应,需求,天气和可再生能源等因素,电价表现出高波动性和非线性.
  • 由于复杂的市场动态和外部影响,准确的预测受到挑战.

研究的目的:

  • 开发和评估一种用于短期预测电价的新方法.
  • 通过使用蛇优化算法 (SOA) 优化人工神经网络 (ANN) 来提高预测准确性.
  • 评估拟议方法的性能与Nord Pool市场中已建立的优化技术相比.

主要方法:

  • 这是一个混合模型,将人工神经网络 (ANN) 与新的蛇优化算法 (SOA) 结合起来.
  • SOA用于优化ANN结构,权重,并根据价格曲线和风力生产相似性选择相关的输入数据.
  • 在Nord Pool市场使用DK-1和SE-1地区的数据进行实验验证,跨越不同季节和时间范围.

主要成果:

  • 与基于粒子群优化 (PSO) 和基因算法 (PSOGANN) 和引力搜索优化算法 (GSONN) 的方法相比,拟的ANN-SOA技术在短期价格预测中表现出更高的准确性.
  • 在DK-1中实现了平均平均绝对百分比误差 (MAPE) 3.1292%,超过PSOGA的32.5%和GSONN的47.1%.
关键词:
开发了蛇优化算法.神经网络的神经网络的神经网络预测价格 预测价格短期预测 短期预测

更多相关视频

A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions
07:34

A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions

Published on: March 25, 2014

9.9K
Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

9.2K

相关实验视频

Last Updated: Jul 1, 2025

Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks
11:18

Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks

Published on: March 2, 2015

10.3K
A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions
07:34

A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions

Published on: March 25, 2014

9.9K
Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

9.2K
  • 在SE-1中实现了2.7621%的平均MAPE,超过了PSOGA的40.4%和GSONN的64.7%.

    • 结论:

    • 新的ANN-SOA方法在短期电价预测准确性方面提供了显著的改进.
    • 该方法有效地处理电力市场固有的波动性和非线性.
    • 这种技术为市场参与者提供了一种有价值的工具,以加强战略决策和规划.