xxxii
Đầu vào (24L+3W+4D2): Bao gồm
-Phụ tải giờ thứ 1, 2,.., 24 của ngày thứ i-1 P(i-1,1)....P(i-1,24) -Nhiệt độ lớn nhất ngày thứ i-1: Tmax(i-1)
-Nhiệt độ nhỏ nhất ngày thứ i-1: Tmin(i-1) -Nhiệt độ trung bỡnh ngày thứ i-1: Ttb(i-1) -Mó dạng ngày thứ i dưới dạng 4 bit (vớ dụ 1000): d1d2d3d4
Đầu ra (24L):
Phụ tải giờ thứ 1... 24 của ngày thứ i P(i,1)...P(i,24)
Lựa chọn số neuron lớp ẩn
Trờn cơ sở tớnh toỏn so sỏnh (tương tự phần dự bỏo đỉnh biểu đồ phụ tải trước
đõy), chọn số neuron lớp ẩn cơ sở là 17
Như vậy mạng cơ sở là MLP-(24+3+4)x17x24.
Tập dữ liệu
Sử dụng tập dữ liệu về phụ tải và thời tiết của Cụng ty Điện lực Hà Nội trong 2 năm 2003-2004. Tổng số ngày số liệu ban đầu là 731. Từ tập dữ liệu này xõy dựng bộ
dữ liệu học gồm 731-1=730 vector mẫu. Chia 730 vector mẫu này thành 3 tập con: tập mẫu học (trainV), chiếm 60% bộ dữ liệu, tức khoảng 60%*(731)=438 ngày; tập kiểm tra chộo cross-validation (val); tập test (test). Tập val và tập test chiếm 20% mỗi tập, tức khoảng 20%*(731)=146 ngày mỗi tậpi.
(Như vậy số thụng số tự do cần đỏnh giỏ (trọng số W) là khoảng (31+24)x17=935. Số vector mẫu học chỉ là 438, tuy nhiờn tổng số số liệu để huấn luyện mạng là 438x31ii).
Kết quả và phõn tớch
Mạng MLP-(24+3+4)x17x24 là mạng cú kớch thước tương đối lớn. Vỡ vậy, cần lựa chọn thuật toỏn huấn luyện phự hợp nhằm giảm bộ nhớ và tốc độ tớnh toỏn. Nghiờn cứu đó so sỏnh hiệu quả cỏc hàm huấn luyện cú trong MATLAB thụng qua chỉ tiờu sai số MAPE.
Điều kiện tớnh toỏn như sau:
a. Cấu trỳc mạng: MLP-(24+3+4)x17x24