人工智能綜述

人工智能綜述人工智能術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)，是計(jì)算機(jī)科學(xué)的一，但它的研究卻不僅涉及到計(jì)算機(jī)科學(xué)，而且理學(xué)、心理學(xué)、語(yǔ)言學(xué)、邏輯學(xué)、認(rèn)知(思維)科學(xué)、行為科學(xué)和和系統(tǒng)論等許多學(xué)科領(lǐng)域。因此，人工智能實(shí)際上是一門(mén)綜很早就開(kāi)始了。但對(duì)人工智能的真正實(shí)現(xiàn)要從計(jì)算機(jī)的那樣迅速，因?yàn)槿斯ぶ悄艿幕纠碚撨€不完整．我們還不能么能夠思考，這種思考來(lái)自于什么，這種思考為什么得以產(chǎn)十年的發(fā)展，人工智能正在以它巨大的力量影響著人們的生成就是發(fā)展了能夠求解難題的下棋(如國(guó)際象棋)程序。在下棋程各其性能達(dá)到很高的水平，并正在為許多科學(xué)家和工程師所應(yīng)用。有些程序甚至還能夠用經(jīng)推理與定理證明持久的子領(lǐng)域之一。其中特別重要的是要找到一些方庫(kù)中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信測(cè)的定理尋找一個(gè)證明或反證，確實(shí)稱得上是一項(xiàng)智。然語(yǔ)言NLP(NaturallanguageProcessing)自然語(yǔ)言處理也是人工智能的早期研究領(lǐng)域之一，已經(jīng)編寫(xiě)出能夠從內(nèi)部數(shù)據(jù)庫(kù)回答用英語(yǔ)提出的問(wèn)題的程序。這些程序通過(guò)閱讀文本等。有些程序甚至能夠在一定程度上翻譯從話筒輸入的口頭指令(而不是從話情況為基礎(chǔ)，注意大量的一般常識(shí)一世界知識(shí)和期望作用的重要性。人工智能在語(yǔ)言翻譯與語(yǔ)音理解程序方面已經(jīng)取得的成就。發(fā)展為人類自然語(yǔ)言處理4)自動(dòng)程序設(shè)計(jì)也許程序設(shè)計(jì)并不是人類知識(shí)的一個(gè)十分重要的方面，但是它本身卻是人工智能的一個(gè)重要研究領(lǐng)域。這個(gè)領(lǐng)域的工作叫做自動(dòng)程序設(shè)計(jì)。已經(jīng)研制出能夠以各種不同的目的的進(jìn)展局限于少數(shù)幾個(gè)完全現(xiàn)成的例子。對(duì)自動(dòng)程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動(dòng)軟件的發(fā)展。而且也使通過(guò)修正自身數(shù)碼進(jìn)行學(xué)習(xí)(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動(dòng)編制一份程序來(lái)獲得某種指定結(jié)果的任務(wù)同證明一份給定程序?qū)@得某輸出程序的驗(yàn)證作為額外收獲。統(tǒng)，其內(nèi)部具有大量專家水平的某個(gè)領(lǐng)專家的知識(shí)和解決問(wèn)題的方法來(lái)解決該領(lǐng)域的問(wèn)題。也就是專門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過(guò)釋、預(yù)測(cè)、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指經(jīng)從學(xué)術(shù)研究開(kāi)始進(jìn)入實(shí)際應(yīng)用研究。隨著人工智能展。正在開(kāi)發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和學(xué)習(xí)能力無(wú)疑是人工智能研究上最突出和最重要的一個(gè)方面。人工智能在這方面的研究近年來(lái)取得了一些進(jìn)展。學(xué)習(xí)是人類智能的主要標(biāo)志和獲得知識(shí)的基本手段。機(jī)器學(xué)習(xí)(自動(dòng)獲取新的事實(shí)及新的推理算法)是使計(jì)算機(jī)具有智能的根本途徑。正如香克所說(shuō)：學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。所以這是一個(gè)始終得到重視，理論正在創(chuàng)立，方法日臻完領(lǐng)域。研究結(jié)果已經(jīng)證明，用神經(jīng)網(wǎng)絡(luò)處理直覺(jué)和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡(luò)的發(fā)展有著非常廣闊的科學(xué)背景，是眾多學(xué)科研究的綜合成果。神經(jīng)生計(jì)算機(jī)。研究再次出現(xiàn)高潮。霍普菲爾德(Hopfield)提出用硬件實(shí)現(xiàn)神經(jīng)Rumelhart提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法就是兩個(gè)重要標(biāo)識(shí)別、圖象處理、組合優(yōu)化、自動(dòng)控制、信息處理、機(jī)器人機(jī)器人學(xué)人工智能研究日益受到重視的另一個(gè)分支是機(jī)器人學(xué)．其中包括對(duì)操作機(jī)器人裝置程序的研究。這個(gè)領(lǐng)域所研究的問(wèn)題，從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序機(jī)器人和機(jī)器人學(xué)的研究促進(jìn)了許多人工智能思想的發(fā)展。它所導(dǎo)致的一些技術(shù)可用來(lái)模擬世界的狀態(tài)，用來(lái)描述從一種世界狀態(tài)轉(zhuǎn)變?yōu)榱硪环N世界狀態(tài)的過(guò)程。它對(duì)于怎樣產(chǎn)生動(dòng)作序列的規(guī)劃以及怎樣監(jiān)督這些規(guī)劃的執(zhí)行有了一種較好的理解。復(fù)雜的機(jī)器人控節(jié)越來(lái)越重要的低層進(jìn)行規(guī)劃。機(jī)器人已在各種工業(yè)、農(nóng)業(yè)、商北、旅游業(yè)、空中和海洋以模式識(shí)別計(jì)算機(jī)硬件的迅速發(fā)展，計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開(kāi)拓，急切地要求計(jì)算機(jī)能更有效地感知諸如聲音、文字、圖像、溫度、震動(dòng)等等信息資料，模式識(shí)別便得到迅速發(fā)展。“模式”(Pattern)一詞的本意是指完美無(wú)缺的供模仿的一些標(biāo)本。模式識(shí)別就是指識(shí)別出給定物體所模仿的標(biāo)本。人工智能所研究的模式識(shí)別是指用計(jì)算機(jī)代替人類或幫助人類感知模式，是對(duì)人類感知外界功能的模擬。研究的是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是使一個(gè)計(jì)算機(jī)系統(tǒng)具有模擬人類通過(guò)感官接受外界信息、識(shí)別和理解周?chē)h(huán)境的感知能力。模式識(shí)別是一個(gè)不斷發(fā)展的新學(xué)科。它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。隨著生隨著計(jì)算機(jī)科學(xué)的不斷進(jìn)步，基于人工神經(jīng)機(jī)器視覺(jué)或計(jì)算機(jī)視覺(jué)已從模式識(shí)別的一個(gè)研究領(lǐng)域發(fā)展為一門(mén)獨(dú)立的學(xué)科。機(jī)器視覺(jué)的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺(jué)、動(dòng)態(tài)和時(shí)變視覺(jué)、三維景物的建模與識(shí)別、實(shí)時(shí)圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。機(jī)器視覺(jué)已在機(jī)器人裝配、衛(wèi)星圖像處理、工業(yè)過(guò)程監(jiān)控、飛行器跟蹤和制導(dǎo)以及電視實(shí)況轉(zhuǎn)播等領(lǐng)域決策支持系統(tǒng)。動(dòng)控制向智能控制發(fā)展。智能控制是一類無(wú)需(或需要盡可能少的)人的干預(yù)就能夠獨(dú)立地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制?；蛘哒f(shuō)，智能控制是隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已可能把自動(dòng)控制和人工智能以及系統(tǒng)科學(xué)的某些分支結(jié)合起來(lái)，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件思想。按照這些結(jié)構(gòu)理論已經(jīng)研究出一些智能控制的理論和技術(shù)，用來(lái)構(gòu)造用于不同領(lǐng)域隨著科學(xué)技術(shù)的迅速發(fā)展．出現(xiàn)了“知識(shí)爆炸”的情況。對(duì)國(guó)內(nèi)外種類繁多和數(shù)量巨大的科技文獻(xiàn)之檢索遠(yuǎn)非人力和傳統(tǒng)檢索系統(tǒng)所能勝任。研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。數(shù)據(jù)庫(kù)系統(tǒng)是儲(chǔ)蓄某學(xué)科大量事實(shí)的計(jì)算機(jī)軟件系統(tǒng)，它們可以數(shù)據(jù)庫(kù)系統(tǒng)的設(shè)計(jì)也是計(jì)算機(jī)科學(xué)的一個(gè)活躍的分支。為了有效地表示、存儲(chǔ)和檢索大量事實(shí)，已經(jīng)發(fā)展了許多技術(shù)。當(dāng)我們想用數(shù)據(jù)庫(kù)中的事實(shí)進(jìn)行推理并從中檢索答案就顯得很有意義。確定最佳調(diào)度或組合的問(wèn)題是我們最感興趣的又一類問(wèn)題。一個(gè)古典的問(wèn)題就怒推銷每個(gè)城市一次，且只許一次，然后回到出發(fā)的城市。大多數(shù)這類問(wèn)題能夠從可能的組合或組合爆炸的可能性。這樣，即使是大型計(jì)算機(jī)的容量也會(huì)被用光。在這些問(wèn)題中有幾個(gè)佳方法計(jì)算出所耗時(shí)間(或所走步數(shù))的最壞情況來(lái)排列不同問(wèn)題的難度。智能組合調(diào)度與指揮方法已被應(yīng)用于汽車(chē)運(yùn)輸調(diào)度、列車(chē)的編組與指揮、空中交通管入工智能對(duì)計(jì)算機(jī)界的某些最大貢獻(xiàn)已經(jīng)以派生的形式表現(xiàn)出來(lái)。計(jì)算機(jī)系統(tǒng)的一些中部二、人工智能的發(fā)展現(xiàn)狀、前景及局限性[3,4,5]理符號(hào)系統(tǒng)假設(shè)相抗衡的新的人工智能理論之前，無(wú)論從設(shè)計(jì)原理還是從已取得的實(shí)驗(yàn)結(jié)。 智能行為不僅僅體現(xiàn)在構(gòu)成世界的個(gè)體的活動(dòng)，而更體現(xiàn)在個(gè)體之間的相互依存的活習(xí)一方面是哲學(xué)、認(rèn)知科學(xué)、思維科學(xué)和心理學(xué)等學(xué)科所研究的智能層次太高、太抽象；另一方面是人工智能邏輯符號(hào)、神經(jīng)網(wǎng)絡(luò)和行為主義所研究的智能層次太低。這兩方面之間相距太遠(yuǎn)，中間還有許多層次未予研究，無(wú)法把宏觀與微觀有機(jī)地結(jié)合起來(lái)和相互局與局部割裂人類智能是腦系統(tǒng)的整體效應(yīng)，有著豐富的層次和多個(gè)側(cè)面。但是，符號(hào)主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進(jìn)化過(guò)程。它們存在明顯的局限性。必須從多層次、多因素、多維和全局觀點(diǎn)脫節(jié)大腦的實(shí)際工作，在宏觀上我們已知道得不少；但是智能的千姿百態(tài)，變幻莫測(cè)，復(fù)雜得難以理出清晰的頭緒。在微觀上，我們對(duì)大腦的工作機(jī)制卻知之甚少，似是而非，使我們難以找出規(guī)律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能著眼于這些難題的解決，抓住人工智能的生長(zhǎng)點(diǎn)，使人工智能產(chǎn)生質(zhì)的飛躍，是我們?nèi)斯ぶ悄茉陔娏ο到y(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用何正確的分析出負(fù)荷變化中的周期分量和隨機(jī)分量，是研究負(fù)荷預(yù)測(cè)高精度的關(guān)鍵問(wèn)題從經(jīng)典的回歸分析方法、時(shí)間序列法、相似日法著人工智能技術(shù)引入負(fù)荷預(yù)測(cè)領(lǐng)域，開(kāi)辟了不少新ESNN、模糊理論(FST)、混沌理CTWaveletsDM)等[7]。、電力系統(tǒng)負(fù)荷預(yù)測(cè)的實(shí)質(zhì)與難點(diǎn)荷的過(guò)去和現(xiàn)在推測(cè)它的未來(lái)數(shù)值，所以負(fù)荷預(yù)測(cè)研究的對(duì)象是不肯定事件，可以從以下幾個(gè)方面分析負(fù)荷預(yù)測(cè)的實(shí)質(zhì):①預(yù)測(cè)結(jié)果的非準(zhǔn)確性。電力負(fù)荷的未來(lái)發(fā)展受各種復(fù)雜因素的影響，這些影響因素是發(fā)展變化的，如社會(huì)經(jīng)濟(jì)發(fā)展、人口增長(zhǎng)、全球氣候變化、新技術(shù)發(fā)展、能源產(chǎn)業(yè)政策件某一特定期限內(nèi)，很難預(yù)測(cè)國(guó)民經(jīng)濟(jì)的增長(zhǎng)率。這就決定了在所有預(yù)測(cè)中，工業(yè)負(fù)荷的預(yù)為搞好電力系統(tǒng)負(fù)荷預(yù)測(cè)，面臨著兩大難點(diǎn)：要，力圖保證完整性與準(zhǔn)確性，對(duì)異常數(shù)據(jù)需要修正或刪，為預(yù)測(cè)工作打好基礎(chǔ)。統(tǒng)計(jì)分析的目標(biāo)是選出有代表析方法，同時(shí)，還必須注意與負(fù)荷預(yù)測(cè)相關(guān)的領(lǐng)域經(jīng)濟(jì)增長(zhǎng)的趨勢(shì)類同，因此，在進(jìn)行全國(guó)范圍的外的電力消費(fèi)資料，確定本國(guó)的電力需求量。這種方法的關(guān)。一般選經(jīng)濟(jì)發(fā)達(dá)、且經(jīng)濟(jì)結(jié)構(gòu)與本國(guó)有某種相似的國(guó)家作①?zèng)]有一種預(yù)測(cè)模型能適用于所有的負(fù)荷預(yù)測(cè)，各種負(fù)荷預(yù)測(cè)模型都有一定的時(shí)間范②電力負(fù)荷的發(fā)展變化受各種各樣復(fù)雜因素的影響，而且各種影響因素也是發(fā)展變化不完全準(zhǔn)確性。③負(fù)荷預(yù)測(cè)受不確定因素影響較大。在影響電力負(fù)荷變化的諸多因素中，許多因素是負(fù)荷預(yù)測(cè)工作帶來(lái)了很大的困難，使電力負(fù)荷預(yù)測(cè)也具有顯著的不確定性。因此，預(yù)測(cè)人員應(yīng)對(duì)可能影響到預(yù)測(cè)結(jié)果準(zhǔn)確性的各因素做出科學(xué)合理的分析和判斷，對(duì)這些因素可能變化的可能性和趨勢(shì)做出盡可能定量的估計(jì)。在進(jìn)行實(shí)際的負(fù)荷預(yù)測(cè)時(shí)，由于預(yù)測(cè)量發(fā)展變化的規(guī)律復(fù)雜多樣，采用單一方法進(jìn)行在多種預(yù)測(cè)模型得到的結(jié)果基礎(chǔ)上，進(jìn)行合理的綜合分。的主要優(yōu)點(diǎn)在于它不需要任何負(fù)荷模型，并具有天氣和溫度等因素與負(fù)荷的對(duì)應(yīng)關(guān)系，通過(guò)學(xué)習(xí)能夠系。與傳統(tǒng)預(yù)測(cè)方法相比，這種方法具有其不可比擬眾多學(xué)者的贊譽(yù)。所以能夠應(yīng)用人工智能的方法解決題上取得了很大的進(jìn)展。三、解決負(fù)荷預(yù)測(cè)的基本思路[10]確定預(yù)測(cè)目標(biāo)就是在明確預(yù)測(cè)目的的前提下，規(guī)定預(yù)測(cè)對(duì)象的范圍、內(nèi)容和預(yù)測(cè)期測(cè)期限一般分短期預(yù)測(cè)(5年期)、中期預(yù)測(cè)(5~10年期)和；制定預(yù)測(cè)計(jì)劃一般要考慮的主要問(wèn)題有：需要的歷史資料(按年、按季、按月、按周或按日)，需要多少項(xiàng)資料，資料的來(lái)源和搜索資料的方法，預(yù)測(cè)及完成時(shí)間和所需經(jīng)費(fèi)來(lái)源等。資料是預(yù)測(cè)的基本依據(jù)，占有資料的充裕程度及資料的權(quán)威可信性對(duì)預(yù)測(cè)結(jié)果的可信電負(fù)荷、用電量、用電構(gòu)成；經(jīng)濟(jì)發(fā)展目標(biāo)(如國(guó)民生產(chǎn)總規(guī)劃目標(biāo)，限制高耗能政策等)及國(guó)內(nèi)外參考地區(qū)的上述類似歷不定期發(fā)表或在其他相關(guān)出版物(比如統(tǒng)計(jì)年鑒、電力年鑒等)；二是預(yù)測(cè)人調(diào)查搜集起來(lái)的資料進(jìn)行鑒別，去偽存真，以保證預(yù)料的標(biāo)準(zhǔn)為直接相關(guān)性、可靠性和最新性。要先把符衡量一個(gè)統(tǒng)計(jì)資料質(zhì)量高低的標(biāo)準(zhǔn)主要有以下幾個(gè)方面：①資料是否完整無(wú)缺，各期列各值間是否有可比性。④歷史資料的表現(xiàn)形式是否適合需要,是否需要交換以及計(jì)算單位是否規(guī)范化等問(wèn)題也要注意。資料的整理主要有以下幾項(xiàng)內(nèi)容：①資料的補(bǔ)缺推算：如果中間某一項(xiàng)的資料空缺，則可利用相鄰兩邊資料取平均值近似代替；如果開(kāi)頭或末尾某一項(xiàng)空缺，則可利用比例趨勢(shì)法計(jì)算代替。②對(duì)不可靠資料要加以核實(shí)：對(duì)能查明原因的異常值可用適當(dāng)?shù)姆椒右砸右哉{(diào)整，務(wù)必使資料在時(shí)間上有可比性：時(shí)間數(shù)列資料的可比性主要包括各期統(tǒng)計(jì)指標(biāo)的口徑范圍是否完全一致，各期價(jià)值指標(biāo)所用價(jià)格有無(wú)變動(dòng)，各期時(shí)間單位長(zhǎng)度是否可進(jìn)行初步分析，一般包括以下幾個(gè)主要方面：①畫(huà)出動(dòng)資料變動(dòng)的軌跡特別要注意離群的數(shù)值和轉(zhuǎn)折點(diǎn)，并且定的原因所致。②查明異常值的原因后，用適當(dāng)?shù)姆椒右蕴幚?，使歷史數(shù)據(jù)趨于平穩(wěn)。常用的處理方法是：設(shè)負(fù)荷的歷史數(shù)據(jù)為,令有情況和資料樣式以及預(yù)測(cè)目的、預(yù)測(cè)期限、預(yù)測(cè)規(guī)模、預(yù)測(cè)結(jié)果的準(zhǔn)確度，同時(shí)考慮預(yù)測(cè)本身的效益成本分析等進(jìn)行權(quán)衡，做出合理的選擇。時(shí)采用多種預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，以便對(duì)比、選擇，可采用相關(guān)方法或手段處理各種預(yù)測(cè)結(jié)果(如加權(quán)取平均，概率分布取值等)，從而選擇盡可能正確的預(yù)測(cè)結(jié)果。在進(jìn)行預(yù)測(cè)時(shí)，要依據(jù)選擇的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)預(yù)算得到預(yù)測(cè)值。如果是采用定量方法進(jìn)行預(yù)測(cè)，就要根據(jù)建立的定量預(yù)測(cè)模型代入預(yù)測(cè)期的自變量目標(biāo)值，從而獲取預(yù)測(cè)期所需的預(yù)測(cè)變量值；如果是采用定性的預(yù)測(cè)方法來(lái)進(jìn)行預(yù)測(cè)，就要根據(jù)掌握的客觀資料進(jìn)素可能會(huì)發(fā)生變化，從而使未來(lái)的實(shí)際結(jié)果與預(yù)測(cè)依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，因?yàn)槭挛镞^(guò)去到現(xiàn)在的發(fā)展變化規(guī)律不一定就是事物未來(lái)的發(fā)展變化規(guī)律。因此，預(yù)測(cè)人員必須對(duì)影響預(yù)測(cè)對(duì)象的新因素進(jìn)行分析，對(duì)預(yù)測(cè)模型及人員的經(jīng)驗(yàn)、理論素養(yǎng)及分析判斷能力也起重要的作預(yù)測(cè)的主要成果就是得出預(yù)測(cè)結(jié)果。因此預(yù)測(cè)結(jié)果應(yīng)該是明確的，可以被檢驗(yàn)的。所以在得到預(yù)測(cè)結(jié)果后必須對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確度和可靠性進(jìn)行評(píng)價(jià)，使預(yù)測(cè)誤差在允許接受的范圍內(nèi)。若誤差太大，就失去了預(yù)測(cè)的意義，也會(huì)導(dǎo)致電力規(guī)劃的失誤。一般來(lái)說(shuō)，短期負(fù)荷預(yù)測(cè)的誤差不應(yīng)超過(guò)±3%，中期負(fù)荷預(yù)測(cè)的誤差不應(yīng)超過(guò)±5%，長(zhǎng)期負(fù)荷預(yù)測(cè)的的主要發(fā)現(xiàn)，預(yù)測(cè)結(jié)果及提出的主要建議和意見(jiàn)。一般采用摘要與提出相配合引起有關(guān)方測(cè)的主要結(jié)論及對(duì)主要結(jié)論的評(píng)價(jià)。結(jié)論與建議是扼要地列出預(yù)測(cè)的主要結(jié)果，提出的有關(guān)建議及意見(jiàn)。附錄主要包括說(shuō)明正文的附表、附圖,預(yù)測(cè)中采用的計(jì)算方法的推導(dǎo)和說(shuō)明及其使用的歷史數(shù)據(jù)，以及正文中未列出的有價(jià)值的其他資料。隨后應(yīng)根據(jù)主客觀條件的變化及預(yù)測(cè)應(yīng)用的反饋信息進(jìn)行檢驗(yàn)，必要時(shí)應(yīng)修正預(yù)測(cè)值。例如,預(yù)測(cè)值交付使用后，經(jīng)過(guò)一段時(shí)間的實(shí)踐，發(fā)現(xiàn)這一時(shí)期的實(shí)際值和預(yù)測(cè)值之間有較進(jìn)行調(diào)整，這就叫負(fù)荷預(yù)測(cè)的滾動(dòng)修編，也就神經(jīng)網(wǎng)絡(luò)以其在負(fù)荷預(yù)測(cè)中的廣泛的應(yīng)用，得到多少專家學(xué)者的認(rèn)可。神經(jīng)網(wǎng)絡(luò)方法以傳統(tǒng)顯示函數(shù)的自變量和因變量作為網(wǎng)絡(luò)的輸入和輸出，將傳統(tǒng)的函數(shù)映射關(guān)系轉(zhuǎn)化為高維的非線性映射。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力系統(tǒng)，可以映射任意復(fù)雜的非線性關(guān)系，且能夠識(shí)別有噪聲或變形的樣本，通過(guò)學(xué)習(xí)能把樣本隱含的特征和規(guī)律分布于神經(jīng)網(wǎng)絡(luò)的連接權(quán)上。而電力系統(tǒng)的負(fù)荷預(yù)測(cè)從根本上講就是非線性系統(tǒng)的辨識(shí)問(wèn)題，因此采用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)有著傳統(tǒng)方法所沒(méi)有的優(yōu)點(diǎn)。采用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)下兩個(gè)途