Key points are not available for this paper at this time.
使用基于Levenberg–Marquardt反向传播算法、Broyden–Fletcher–Goldfarb-Shanno反向传播算法以及一阶割线反向传播算法，结合十一种天气参数、日期类型和前一天的峰值负荷信息，进行了每日电力峰值负荷预测。为了避免网络陷入局部最小值的状态，进行了用户定义参数的优化，即学习速率和误差目标。训练数据集的选择采用了增长窗口概念，并根据预测所涉及的日期和季节的特性进行了缩减。为了去除输入变量的冗余，采用主成分分析法对输入变量的数量进行了减少。所得到的数据集用于三层神经网络的训练。为了提高学习速度，权重和偏差根据Nguyen和Widrow方法初始化。为了避免过拟合，在最低验证误差时提前停止训练。”},{
Saini et al. (Tue,) studied this question.