73、神经网络在电力与移动小车控制中的应用研究

神经网络在电力与移动小车控制中的应用研究

1. 神经网络在电力消耗预测中的应用

1.1 问题 2 求解结果

当将输入变量的计划值作为模型输入时，可得到预测的每日电力消耗值：$\hat{y}(t) = \hat{F}_3(X(t)), t \in T_p$。通过对回溯预测问题的求解可知，神经网络对月度数据计算的误差主要为 2%，仅有两次观测的误差为 3%，具体数据如下表所示：
| t | y(t) | $\hat{y}(t)$ | $y - \hat{y}$ | $\frac{y - \hat{y}}{y}$ |
| — | — | — | — | — |
| 1 | -0.35754 | -0.33215 | 0.02538 | -0.071 |
| 2 | -0.35754 | -0.35442 | 0.00312 | -0.00872 |
| 3 | -0.35327 | -0.32921 | 0.02407 | -0.06812 |
| 4 | 1.01766 | 1.01044 | -0.00723 | -0.0071 |

1.2 问题 3 求解结果

进行如下实验：从源文件中选择某一个月的数据，重命名 t 为 1 到 30，计算 $V = \sum_{i = 1}^{30} y_i$。所选区间的输入变量除了 $X_4$ 和 $X_9$ 外都相同，假设在该区间内所有输入处，$X_4 = \frac{V}{30}$，$X_9 = 0$。将转换后的数据输入到神经网络模型中计算 $\hat{y}$，并与该期间观测到的 y 值进行比较。计算结果表明，实际消耗要高得多。此模型实验可大致比较频繁切换