重庆理工大学学报(自然科学)
• •
吴文江,陈其工,高文根
出版日期:
发布日期:
Online:
Published:
摘要: LSSVM模型中的参数选择对模型的影响较大,采用粒子群优化算法进行模型参数的全局选优,用历史负荷数据和天气气象因素作为输入,建立优化电力负荷预测模型进行仿真。利用PSO-LSSVM模型对华东某市电力负荷进行验证分析。实验结果表明:粒子群算法优化的LSSVM模型相比LSSVM具有更高的预测精度。
. 基于PSO优化参数的最小二乘支持向量机短期负荷预测[J]. 重庆理工大学学报(自然科学), 2016, 30(3): -.
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: http://clgzk.qks.cqut.edu.cn/CN/
http://clgzk.qks.cqut.edu.cn/CN/Y2016/V30/I3/
Cited