基于SVM短期电力负荷预测模型研究
- 详情
- 2021-04-27
- 简介
- 157KB
- 页数 1P
- 阅读 88
- 下载 28
支持向量机SVM作为机器学习方法之一,有数据分类以及数据回归两种用途,支持向量机的回归能应用于预测领域.本文应用SVM方法来建立电力负荷预测模型,首先以历史负荷、天气、日期类型作输入数据,然后对数据进行归一化处理,再利用SVM构建预测模型,SVM在负荷预测方面具有较高的可信度与精准度.
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于SVM短期电力负荷预测模型研究 157KB
基于PSO-SVM模型的短期电力负荷预测研究 309KB
基于HMM模型的电力负荷预测模型研究 1.6MB
基于云模型的电力负荷预测 1.3MB
基于灰理论的电力负荷预测模型 414KB
基于云模型的电力负荷预测 557KB
基于数据挖掘技术的短期电力负荷预测 174KB
基于SCE-UA支持向量机的短期电力负荷预测模型研究 1.8MB
基于MFOA-GRNN模型的年电力负荷预测 408KB
基于相似日和灰色理论的短期电力负荷预测研究 729KB