10.3969/j.issn.1007-7375.2023.02.007
基于ICSO-SOM-ELM的电力业扩项目工期预测
针对电力业扩项目时长的不确定性,提出一种自组织映射网络聚类、改进纵横交叉算法优化极限学习机权值阈值的ICSO-SOM-ELM电力业扩项目工期预测模型.首先基于项目预算费用与节点数,采用自组织映射网络对电力业扩项目数据进行二次聚类,初步降低原始数据集的混乱性.其次,提出基于邻域种群交叉变异机制的改进纵横交叉算法,并将其用于优化极限学习机模型的权值阈值,得到最优ELM预测模型.最后,针对电力业扩项目二次聚类数据,分别采用ICSO-ELM预测模型对项目时长进行预测.以某供电局业扩数据进行实验,验证所提模型的有效性,所提出的ICSO-SOM-ELM预测模型优于其他预测模型,可为供电公司的业扩项目工期计划制定提供科学性的建议.
电力业扩项目、工期预测、自组织映射网络、改进纵横交叉算法、极限学习机
26
TM732(输配电工程、电力网及电力系统)
国家自然科学基金;南方电网科技资助项目
2023-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
59-66