高　琳　高　峰　管晓宏　周佃民

摘要：提出了一种改进的多神经网络集成自适应Boosting回归算法．算法中采用相对误差模型代替绝对误差模型，可以更接近于回归预测问题的要求，并在Boosting迭代过程中，在对训练集采样得到新的训练子集的同时，也对校验集采样得到新的校验子集，保证了两者的一致性．进而采用美国加州电力市场的实际数据，建立了由多个神经网络集成的电力系统短期负荷预测模型．预测结果表明，与传统的单网络预测模型相比，Boosting集成预测模型能显著提高模型输出的稳定性，增强网络结构及模型选择的可靠性，获得更高的预测精度．

关键词：短期负荷预测；Boosting算法；神经网络集成

中图分类号：TPl81文献标识码：A文章编号：0253—987X(2004)10—1026—05