Bước 1: Lựa chọn các biến ựầu vào:
đối với bài toán dự báo phụ tải thì tham số như dân số, GDP, GNP, giá ựiện, CPI vvẦ ựược chọn làm biến ựầu vào.
Trường đại học Nông nghiệp Hà Nội Ờ Luận văn thạc sỹ kỹ thuậtẦẦẦ.. ẦẦẦ 63
Các dữ liệu sau khi ựược thu thập cần kiểm tra tắnh hợp lệ của chúng.
Bước 3: Xử lý dữ liệu.
Các dữ liệu ựầu vào tham số rất lớn nên ta phải chuẩn hóa dữ liệu nằm trong khoảng [0 và 1].
Bước 4: Xác ựịnh cấu trúc mạng.
o Sốựầu vào: Xác ựịnh sốựầu vào của lớp vào căn cứ vào dữ liệu ựầu vào và quá trình huấn luyện mạng.
o Số lớp ẩn: Với các bài toán dự báo thông thường ta chọn một lớp ẩn vì với một lớp ẩn mạng có thể tắnh toán xấp xỉ một hàm bất kỳ. Vì vậy số nơron có thể tăng theo hàm mũ với sốựầu vào mạng, từựó việc tắnh toán ựầu vào và ựầu ra rất phức tạp hơn dẫn tới việc huấn luyện mạng sẽ chậm hơn.
o Số nơron trong lớp ẩn: Chưa có phương pháp nào tối ưu cho việc lựa chọn số nơron lớp ẩn. Thông thường người ta có thể lựa chọn số nơron lớp ẩn xấp xỉ cỡ 2n/n sau ựó có thể tăng giảm số nơron ẩn ựể ựược kết quả nhất. Với n là sốựầu vào, ta cần thực hiện huấn luyện, kiểm tra lỗi của toàn bộ tập mẫu ựể n có thể tăng hoặc giảm các nơron lớp ẩn.
o Số nơron ựầu ra: Căn cứ vào mục tiêu cụ thể của từng bài toán dự báo phụ
tải ựể xác ựịnh ựầu ra tương ứng.
Bước 5: Huấn luyện mạng.
o Huấn luyện mạng học các dữ liệu bằng cách lần lượt ựưa các mẫu cùng với những giá trị mong muốn. Mục tiêu của huấn luyện mạng là tìm ra các tập trọng số sao cho giá trị nhỏ nhất toàn cục của hàm lỗi. Ngừng huấn luyện khi mà không có tiến triển nào của hàm lỗi nữa với dữ liệu trên một số tập các tham số của mạng. Biện pháp này xác ựịnh ựược khả năng ựạt ựến cực tiểu toàn cục lớn nhất. Biện pháp 2 là cần thực hiện xem xét thường xuyên khả năng tổng quát hóa bằng cách sau mỗi chu kỳ nào
Trường đại học Nông nghiệp Hà Nội Ờ Luận văn thạc sỹ kỹ thuậtẦẦẦ.. ẦẦẦ 64
o Trong công cụ toolbox của Matlab có thuật toán huấn luyện ựiều chỉnh tự ựộng các trọng sốựểựược sai số nhỏ. đó là thuật toán Levenberg-Marquardt (LM).
Bước 6: Tiêu chuẩn ựánh giá:
Chọn hàm sse (Sum of Squares Error) tắnh tổng bình phương sai số trên toàn bộ
tập mẫu học hoặc hàm mse (Mean Sum of Squares Errors) tắnh trung bình tổng các bình phương sai số trên toàn bộ tập mẫu học.
Bước 7: Dự báo.
Căn cứ các dữ liệu sau khi huấn luyện thành công ta chuẩn bị cho quá trình dự
báo phụ tải cho các năm tiếp theo.
Bước 8: Môi trường thực hiện.
Trong môi trường máy tắnh cá nhân rất phù hợp cho mạng nơron, phù hợp trong quá trình huấn luyện ựể cài ựặt ựồng thời có khả năng linh hoạt ựáp ứng nhiều bài toán.
đặc biệt là ứng dụng phần mềm Matlab ựược cài ựặt trên máy trắnh ựể giải bài toán dự
báo phụ tải.