论文部分内容阅读
提出一种基于差异进化算法（DE）和粒子群优化算法（PSO）的新型混合进化算法DEPSO，以及基于DEPSO的径向基函数神经网络（RBFNN）模型，并应用于预测SF6气体绝缘变压器表面温度。该模型用DEPSO算法训练RBFNN隐层中心的数量和位置，并采用递推最小二乘法确定网络输出层的权值。对某变电站SF6气体绝缘变压器的表面温度预测结果表明：与BP网络、基于进化规划（EP）、PSO的RBFNN相比，这种建模方法具有更高的预测精度。