Resumen

La predicción exacta del consumo de energía puede proporcionar una guía confiable para los planificadores energéticos y los responsables de políticas, quienes también pueden reconocer las tendencias económicas e industriales de un país. En este artículo, se propuso un modelo híbrido PSOCA-GRNN para la predicción del consumo de energía anual. Se empleó el modelo de red neuronal de regresión generalizada (GRNN) para predecir el consumo de energía anual debido a su buena capacidad para manejar problemas no lineales. Al mismo tiempo, el parámetro de dispersión del modelo GRNN fue determinado automáticamente por el algoritmo PSOCA (la combinación del algoritmo de optimización de enjambre de partículas y el algoritmo cultural). Tomando como ejemplo empírico el consumo de energía anual de China, se demostró la efectividad de este modelo PSOCA-GRNN propuesto. El resultado del cálculo muestra que este modelo híbrido propuesto supera al modelo GRNN único, al modelo GRNN optimizado por PSO (PSO-GRNN), al

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Pronóstico del consumo de energía; Modelo PSOCA-GRNN; Red neuronal de regresión generalizada; Algoritmo de optimización de enjambre de partículas; Algoritmo cultural; Consumo anual de energía de China
• Keywords:Energy consumption forecasting; PSOCA-GRNN model; Generalized regression neural network; Particle swarm optimization algorithm; Cultural algorithm; Chinas annual energy consumption