改进粒子群算法和最小二乘支持向量机的电力负荷预测
100 积分
50
评分
4.6 积分- 详情
- 2021-08-07
- 简介
pdf
- 1.7MB
- 页数 4P
- 阅读 83
- 下载 30
针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(IPSO-LSSVM)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,IPSO-LSSVM可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。
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
yu***
擅长:
土建 装饰 园林 电气
- -
服务
- 7
商品
- -
人气
相关推荐
改进粒子群算法和最小二乘支持向量机的电力负荷预测 1.7MB
基于偏最小二乘支持向量机的短期电力负荷预测方法研究 970KB
混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测 1.0MB
基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测 276KB
基于偏最小二乘法的支持向量机短期负荷预测 754KB
基于最小二乘支持向量机的电力市场出清电价预测方法 545KB
基于粒子群算法的极限学习机短期电力负荷预测 2.5MB
基于最小二乘支持向量机的公路软基沉降预测 197KB
基于最小二乘支持向量机回归的基坑变形预测 287KB
基于最小二乘支持向量机回归综合预测建筑物沉降 378KB