论文部分内容阅读
变电站的检修运维成本受众多复杂因素影响,且检修费用数据记录具有模糊性和波动性。为解决检修费用记录不明的问题,首先对变电站检修条目划分并采用水平和垂直方向的数据分析方法进行处理,再利用BP神经网络预测检修运维成本。为提高BP神经网络预测精度,采用K-fold交叉验证对原始数据训练模型进行精准调整,应用遗传算法对BP神经网路的初始值和阀值进行调整和改进,从而建立基于遗传算法的改进BP神经网络检修运维成本预测方法。以某地市变电站为例进行变电检修运维成本预测,对比分析显示所提方法能有效提高模型预测精准度,从而为电