基于Hadoop架构的分布式BP神经网络的短期负荷预测方法

摘要：

本发明公开了一种基于Hadoop架构的分布式BP神经网络的短期负荷预测方法，具体为：

1. 获取初始负荷数据集；
2. 将负荷数据集拆分为小型数据集，存储在分布式文件系统的数据节点中；
3. 初始化BP神经网络参数，并将参数集合上传至分布式文件系统中；
4. 依据当前负荷样本，训练BP神经网络，获取BP神经网络的权值、阈值在当前数据集下的修正量；
5. 依据键值对的key值统计该网络各层及层与层之间的权值、阈值参数的总和；
6. 判断当前迭代任务下，是否达到收敛精度或达到最大迭代次数，若是，建立分布式BP神经网络模型，若不是，进行BP神经网络权值、阈值参数的修正；
7. 输入预测日数据，得到预测日的负荷功率数据。

本发明提高了负荷预测速度，满足了负荷预测精度的要求。

摘要：本发明公开了一种基于Hadoop架构的分布式BP神经网络的短期负荷预测方法，具体为：获取初始负荷数据集；将负荷数据集拆分为小型数据集，存储在分布式文件系统的数据节点中；初始化BP神经网络参数，并将参数集合上传至分布式文件系统中；依据当前负荷样本，训练BP神经网络，获取BP神经网络的权值、阈值在当前数据集下的修正量；依据键值对的key值统计该网络各层及层与层之间的权值、阈值参数的总和；判断当前迭代任务下，是否达到收敛精度或达到最大迭代次数，若是，建立分布式BP神经网络模型，若不是，进行BP神经网络权值、阈值参数的修正；输入预测日数据，得到预测日的负荷功率数据。本发明提高了负荷预测速度，满足了负荷预测精度的要求。