神经网络预测主要方法

3、 蒙特卡洛模拟则用于评估不同设备的功率分布，从而得出一个总体的功率区间。 这种方法可以综合考虑整个系统的性能，为决策者提供更全面的信息。 递归神经网络与蒙特卡洛模拟：递归神经网络（RNN）用于处理具有时间序列性质的数据，例如电力系统的历史功率数据。

1、 预测效果较好的一般有：1、GRNN神经网络、RBF神经网络。 局部逼近网络由于只需调整局部权值，因此训练速度较快，拟合精度也较高。 2、Elman神经网络。 由于Elman神经网络的承接层的延时算子，使得网络可以记忆历史信息，这正好与时间序列预测的原理相同，极其适于应用于时间序列预测。

2、 径向基函数。 根据查查询搜狐网信息，实现神经网络预测模型，使用径向基函数分类电信客户。 神经网络模型是人工智能最基础的模型，它的创新是受益于神经科学家对大脑神经元的研究。