dự báo phụ tải điện tỉnh tiền giang trên cơ sở neural network

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 S K C0 Tp Hồ Chí Minh, tháng 10/2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp Hồ Chí Minh, tháng 10/2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Hướng dẫn khoa học: PGS TS LÊ MINH PHƯƠNG Tp Hồ Chí Minh, tháng 10/2014 LUẬN VĂN TỐT NGHIỆP 2014 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ tên: Lê Hoàng Phúc Giới tính: Nam Ngày, tháng, năm sinh: 30-09-1983 Nơi sinh: Tiền Giang Quê quán: xã Thân Cửu Nghĩa, huyện Châu Thành, tỉnh Tiền Giang Dân tộc: kinh Chức vụ, đơn vị công tác trước học tập, nghiên cứu: chuyên viên Phòng Quản lý lượng – Sở Công Thương Tiền Giang Chổ riêng địa liên lạc: Sở Công Thương Tiền Giang Điện thoại quan: 073 3886640; Fax: 073.3882201 Email: hoangphuc2003tg@yahoo.com II QUÁ TRÌNH ĐÀO TẠO: Đại học: - Hệ đào tạo: quy - Thời gian đào tạo: từ tháng 09/2001 đến tháng 05/2006 - Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh - Ngành học: Điện khí hóa cung cấp điện - Tên luận văn tốt nghiệp: Ứng dụng Fuzzy logic điều khiển tốc độ động không đồng ba pha theo định hướng từ thông stator + Bảo vệ Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh + Ngày bảo vệ luận văn tốt nghiệp: năm 2006 + Người hướng dẫn: Th.S Lê Thị Thanh Hoàng Thạc sĩ: - Hệ đào tạo: quy - Thời gian đào tạo: từ tháng 10/2012 đến tháng 10/2014 GVHD: PGS TS Lê Minh Phương i HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 - Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh - Ngành học: Kỹ Thuật điện - Tên luận văn tốt nghiệp: Dự báo phụ tải điện tỉnh Tiền Giang sở Neural Network + Ngày nơi bảo vệ luận văn: ngày 19/10/2014 Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh + Người hướng dẫn: PGS TS Lê Minh Phương Trình độ ngoại ngữ: Tiếng anh chứng B Học vị, học hàm, chức vụ kỹ thuật đƣợc cấp; số bằng, ngày nơi cấp: III QUÁ TRÌNH CÔNG TÁC: Thời gian Nơi công tác Công việc đảm nhiệm Từ tháng 9/2006 Sở Công Thương đến Tiền Giang - Tổ chức hướng dẫn thực việc sử dụng lượng tiết kiệm hiệu quả; phát triển lượng mới, lượng tái tạo; hành lang an toàn công trình lưới điện cao áp; - Thẩm tra hồ sơ thiết kế, kiểm tra công tác nghiệm thu công trình điện; thẩm định hồ sơ cấp giấy phép hoạt động điện lực IV CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ: Không có Ngày 20 tháng 10 năm 2014 Ngƣời khai ký tên GVHD: PGS TS Lê Minh Phương ii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 Lê Hoàng Phúc GVHD: PGS TS Lê Minh Phương iii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa công bố công trình khác Tp Hồ Chí Minh, tháng 10 năm 2014 Người thực Lê Hoàng Phúc GVHD: PGS TS Lê Minh Phương iii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 Lời cảm ơn Trƣớc hết, em xin trân trọng bày tỏ lòng biết ơn sâu sắc đến thầy PGS.TS LÊ MINH PHƢƠNG, ngƣời tận tình bảo, hƣớng dẫn, truyền đạt kiến thức chuyên môn kinh nghiệm để em thực luận văn Xin chân thành cảm ơn đến tất quý Thầy, Cô Trƣờng Đại Học Sƣ Phạm Kỹ Thuật TP Hồ Chí Minh, Trƣờng Đại học Bách Khoa TP Hồ Chí Minh trang bị cho em kiến thức bổ ích, đặc biệt Thầy Cô Khoa Điện tạo điều kiện thuận lợi hỗ trợ cho em nhiều trình học nhƣ thời gian làm luậ n vă n Xin gởi lời cảm ơn đến Ban lãnh đạo Sở Công Thƣơng Tiền Giang tạo điều kiện cho em suốt trình học tập Xin gởi lời cảm ơn chân thành đến bạn bè gia đình động viên, giúp đỡ em có thêm nỗ lực, niềm tin để hoàn thành luận văn Xin chân thành cảm ơn! Thành phố Hồ Chí Minh, tháng 10 năm 2014 Ngƣời thực Lê Hoàng Phúc GVHD: PGS TS Lê Minh Phƣơng Phúc iv HVTH: Lê Hoàng LUẬN VĂN TỐT NGHIỆP 2014 TÓM TẮT Dự báo phụ tải đóng vai trò quan trọng công tác quy hoạch, đầu tư phát triển vận hành hệ thống điện Tính xác dự báo cần phải đặc biệt trọng Nếu dự báo thừa so với nhu cầu sử dụng dẫn tới hậu huy động nguồn lớn, tăng vốn đầu tư tăng tổn thất lượng Ngược lại, dự báo phụ tải thấp so với nhu cầu không đủ lượng cung cấp cho hộ tiêu thụ tất nhiên dẫn đến việc cắt bỏ số phụ tải kế hoạch gây thiệt hại cho kinh tế Cho đến có nhiều phương pháp luận cho hoạt động dự báo, đa số phương pháp luận mang tính chất kinh nghiệm túy Dùng cách giải theo kinh nghiệm vào việc dự báo chưa đầy đủ cách làm hoàn toàn dựa vào kinh nghiệm giai đoạn khứ, mà kinh nghiệm lúc vận dụng vào hoàn cảnh thay đổi so với trước Việc nghiên cứu ứng dụng mô hình dự báo khác cho phép ta có sở tiếp cận tới việc lựa chọn phương pháp dự báo, đánh giá mức độ xác dự báo Trong năm gần đây, mạng nơrơn truyền thẳng nhiều lớp thực tiễn chứng minh mạnh đặc biệt hiệu toán dự báo phụ tải chúng huấn luyện thuật toán lan truyền ngược Trong luận văn này, tác giả nghiên cứu tổng quan mạng nơron nhân tạo, mạng nơron truyền thẳng nhiều lớp kết hợp giải thuật lan truyền ngược; xây dựng mô hình dự báo phụ tải điện; giải thuật lập trình sử dụng phần mềm MATLAB để thiết kế chương trình dự báo phụ tải điện ngày, ngày tuần tháng năm với giao diện dễ sử dụng, cho phép người sử dụng thiết kế mô hình mạng nơron nhân tạo GVHD: PGS TS Lê Minh Phương Phúc v HVTH: Lê Hoàng LUẬN VĂN TỐT NGHIỆP 2014 MỤC LỤC Trang tựa Trang Quyết định giao đề tài Lý lịch khoa học i Lời cam đoan iii Lời cảm tạ iv Tóm tắt v Mục lục vii Danh sách từ viết tắt x Danh sách hình xi Giới thiệu đề tài CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI 1.1 Tổng quan dự báo 1.1.1 Khái niệm chung 1.1.2 Đặc điểm dự báo 1.1.3 Các phương pháp dự báo 1.2 Các phương pháp dự báo phụ tải điện 1.2.1 Phương pháp dự báo truyền thống 1.2.1.1 Phương pháp hệ số đàn hồi 1.2.1.2 Phương pháp tính tương quan xu 1.2.1.3 Phương pháp tính trực tiếp 11 1.2.1.4 Phương pháp chuyên gia 12 1.2.1.5 Phương pháp hồi quy 12 1.2.1.6 Phương pháp san hàm mũ 13 1.2.1.7 Phương pháp ngoại suy theo thời gian 14 1.2.2 Phương pháp dự báo phụ tải đại 16 1.2.2.1 Phương pháp dự báo fuzzy logic (logic mờ) 16 1.2.2.2 Phương pháp dự báo phép phân tích Wavelet 28 GVHD: PGS TS Lê Minh Phương vii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 t=data12(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net12,tr12]=train(net,p,t); %data13 [m,n]=size(data13); p=data13(:,1:n-1); t=data13(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net13,tr13]=train(net,p,t); %data14 [m,n]=size(data14); p=data14(:,1:n-1); t=data14(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net14,tr14]=train(net,p,t); %data15 GVHD: PGS TS Lê Minh Phương 158 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [m,n]=size(data15); p=data15(:,1:n-1); t=data15(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net15,tr15]=train(net,p,t); %data16 [m,n]=size(data16); p=data16(:,1:n-1); t=data16(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net16,tr16]=train(net,p,t); %data17 [m,n]=size(data17); p=data17(:,1:n-1); t=data17(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; GVHD: PGS TS Lê Minh Phương 159 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [net17,tr17]=train(net,p,t); %data18 [m,n]=size(data18); p=data18(:,1:n-1); t=data18(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net18,tr18]=train(net,p,t); %data19 [m,n]=size(data19); p=data19(:,1:n-1); t=data19(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net19,tr19]=train(net,p,t); %data20 [m,n]=size(data20); p=data20(:,1:n-1); t=data20(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; GVHD: PGS TS Lê Minh Phương 160 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net20,tr20]=train(net,p,t); %data21 [m,n]=size(data21); p=data21(:,1:n-1); t=data21(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net21,tr21]=train(net,p,t); %data22 [m,n]=size(data22); p=data22(:,1:n-1); t=data22(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net22,tr22]=train(net,p,t); %data23 [m,n]=size(data23); p=data23(:,1:n-1); t=data23(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 161 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net23,tr23]=train(net,p,t); %data24 [m,n]=size(data24); p=data24(:,1:n-1); t=data24(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net24,tr24]=train(net,p,t); save('NNT.mat','net7','net6','net5','net4','net3','net2','net1','net8','net9','net10','net11',' net12','net13','net14','net15','net16','net17','net18','net19','net20','net21','net22','net23' ,'net24'); GVHD: PGS TS Lê Minh Phương 162 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 HUẤN LUYỆN NGÀY.m function trainngay clear all; format long closereq load ('thongso.mat'); load ('tmautuan.mat'); data1=dta(1,:); data2=dta(2,:); data3=dta(3,:); data4=dta(4,:); data5=dta(5,:); data6=dta(6,:); data7=dta(7,:); %data1 [m,n]=size(data1); p=data1(:,1:n-1); t=data1(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net1,tr1]=train(net,p,t); %data2 [m,n]=size(data2); p=data2(:,1:n-1); t=data2(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 163 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal =hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net2,tr2]=train(net,p,t); %data3 [m,n]=size(data3); p=data3(:,1:n-1); t=data3(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net3,tr3]=train(net,p,t); %data4 [m,n]=size(data4); p=data4(:,1:n-1); t=data4(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net4,tr4]=train(net,p,t); %data5 [m,n]=size(data5); p=data5(:,1:n-1); t=data5(:,2:n); GVHD: PGS TS Lê Minh Phương 164 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net5,tr5]=train(net,p,t); %data6 [m,n]=size(data6); p=data6(:,1:n-1); t=data6(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net6,tr6]=train(net,p,t); %data7 [m,n]=size(data7); p=data7(:,1:n-1); t=data7(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net7,tr7]=train(net,p,t); save('NNngay.mat','net7','net6','net5','net4','net3','net2','net1'); DB7ngay GVHD: PGS TS Lê Minh Phương 165 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 HUẤN LUYỆN 12 THÁNG.m function trainthang clear all; format long closereq load ('thongso.mat'); load ('tmautuan.mat'); data1=dta(1,:); data2=dta(2,:); data3=dta(3,:); data4=dta(4,:); data5=dta(5,:); data6=dta(6,:); data7=dta(7,:); data8=dta(8,:); data9=dta(9,:); data10=dta(10,:); data11=dta(11,:); data12=dta(12,:); %data1 [m,n]=size(data1); p=data1(:,1:n-1); t=data1(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net1,tr1]=train(net,p,t); %data2 GVHD: PGS TS Lê Minh Phương 166 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [m,n]=size(data2); p=data2(:,1:n-1); t=data2(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal =hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net2,tr2]=train(net,p,t); %data3 [m,n]=size(data3); p=data3(:,1:n-1); t=data3(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net3,tr3]=train(net,p,t); %data4 [m,n]=size(data4); p=data4(:,1:n-1); t=data4(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; GVHD: PGS TS Lê Minh Phương 167 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [net4,tr4]=train(net,p,t); %data5 [m,n]=size(data5); p=data5(:,1:n-1); t=data5(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net5,tr5]=train(net,p,t); %data6 [m,n]=size(data6); p=data6(:,1:n-1); t=data6(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net6,tr6]=train(net,p,t); %data7 [m,n]=size(data7); p=data7(:,1:n-1); t=data7(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; GVHD: PGS TS Lê Minh Phương 168 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net7,tr7]=train(net,p,t); %data8 [m,n]=size(data8); p=data8(:,1:n-1); t=data8(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net8,tr8]=train(net,p,t); %data9 [m,n]=size(data9); p=data9(:,1:n-1); t=data9(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net9,tr9]=train(net,p,t); %data10 [m,n]=size(data10); p=data10(:,1:n-1); t=data10(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 169 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net10,tr10]=train(net,p,t); %data11 [m,n]=size(data11); p=data11(:,1:n-1); t=data11(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net11,tr11]=train(net,p,t); %data12 [m,n]=size(data12); p=data12(:,1:n-1); t=data12(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net12,tr12]=train(net,p,t); save('NNThang.mat','net7','net6','net5','net4','net3','net2','net1','net8','net9','net10','net 11','net12'); DBth GVHD: PGS TS Lê Minh Phương 170 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 Dư báo phương trình hàm mũ clear all clc X=[1;2;3;4;5;6;7;8;9;10;11;12;13;14] Y=[178.06;205.15;239.63;272.98;309.31;351.17;411.49;461.49;535.62;610.99;700 68;787.09;902.72;1022.34]*1e6 n=14 X_2=X.^2 Y_log=log10(Y) XY_log=X.*Y_log; sum_X=sum(X) sum_X_2=sum(X_2) sum_Y_log=sum(Y_log) sum_XY_log=sum(XY_log) %[a,b] = solve('b*sum_X_2+a*sum_X-sum_XY_log','b*sum_X+n*a-sum_Y_log') log_b=(n*sum_XY_log-sum_Y_log*sum_X)/(n*sum_X_2-sum_X*sum_X) b=10^log_b log_a=(sum_XY_log*sum_X-sum_Y_log*sum_X_2)/(n*sum_X_2+sum_X*sum_X) a=10^log_a Y_n=a*b^(n+1) GVHD: PGS TS Lê Minh Phương 171 HVTH: Lê Hoàng Phúc S K L 0