摘要：针对电力系统多因素负荷预测问题的复杂性，融合粗糙集方法与神经网络方法各自的优势，提出一种新型的负荷预测模型——粗糙集径向基函数神经网络模型(RSRBFN)．运用粗糙集方法和信息熵概念，在不改变样本分类质量的条件下约简负荷影响因素，简化了网络输入变量．通过消去冗余信息，提炼学习样本，获得典型样本．用典型样本约简隐含层神经元和训练网络，并将网络连接权值学习的非线性极值问题转化为线性规划问题，使网络结构得到优化，提高径向基神经网络的计算效率和预测精度，增强实用性．数值实验结果说明RSRBFN模型是可行、有效、实用的．

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）