为了预报电力系统负荷，采用GRNN（广义回归网络）的方法，通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型，用MATLAB7.0仿真，达到了预测的目的。利用GRNN神经网络预测结果准确率高，避免了BP网络预测同样的数据库，算法冗长，网络预测结果不稳定的缺点，GRNN网络具有更好的预报精度。
上传时间： 2014-01-11
上传用户：zhangyigenius
基于GRNN神经网络的视线跟踪源程序。 其中网络的输入分别是瞳孔中心，半径，瞳孔中心与普洱青斑向量。
上传时间： 2016-11-24
上传用户：dsgkjgkjg
可用于bp,elman,rbf,GRNN四种神经网络的预测命令
上传时间： 2017-06-25
上传用户：杜莹12345
由于日趋严重的环境问题以及风能利用的成本低廉和技术成熟等原因，风力发电成为电力系统中相对增长最快的新能源发电技术，发展风电成为改善电力系统经济运行极为重要的措施。近几年，风力发电机组单机容量和风电场建设规模都日益扩大，但风力的随机性和间歇性会对电力系统稳定运行产生一定的影响。因此对于含有风电场的电力系统，需要建立正确的风电场数学模型和进行风电场的短期风速预测。 首先，运用时间序列和神经网络相结合的预测方法，对风电场的风速序列进行短期预测。该方法用时间序列模型来选择神经网络的输入变量，而神经网络分别运用了BP和GRNN神经网络进行比较，发现使用时间序列结合GRNN网络预测效果比较令人满意，其对风电场和电力系统的稳定性运行具有重要的意义。 其次，建立了风速、风电机组和风电场的数学模型。风电机组的数学模型主要包括风力机模型、传动机构模型和异步发电机模型，仿真分析了风电机组对于风速的响应。在风电场模型研究中，考虑了尾流效应因素，风电场中各台风机位置处的风速并不相同，因此研究了风能分布的Jensen模型和Lissaman模型，并进行了案例计算分析，结果表明了风能分布模型在大规模风电场模型分析中的重要性。本文还提出了风电场等值模型的建立，降低了仿真研究的复杂性，使得分析大规模风电场并网运行成为可能。 最后，实现了包含风电场的电力系统潮流计算，采用牛顿—拉夫逊法极坐标形式的方法，为研究风电场稳定性运行提供了前提条件。同时提出了基于电力系统暂态稳定性分析的风电场穿透功率极限计算方法，并揭示了频率波动对风电场稳定运行的影响。
上传时间： 2013-07-31
上传用户：zhengxueliang
广义回归神经网络是RBF的一个扩展。但是具体怎么实现却代码很少，本代码是一个GRNN很好的学习例子。
上传时间： 2014-01-21
上传用户：gdgzhym
