10.3969/j.issn.1674-3415.2008.16.003
基于克隆选择算法的支持向量回归实现年用电量预测
建立在统计学习理论(SLT)和结构风险最小化(SRM)准则基础上的支持向量回归(SVR)是处理小样本数据回归问题的有利工具,SVR的参数取值直接影响其学习性能和泛化能力.文中将SVR参数选取看作参数的组合优化问题,采用克隆选择算法(CSA)求解该组合优化问题进而选取SVR参数,并应用基于CSA的SVR求解年电力需求预测问题,同时与BP网络预测方法进行了对比.预测结果表明提出的预测方法不仅易于实现,而且精度较高,且性能明显优于BP网络方法.
年用电量、支持向量回归、克隆选择算法、回归、预测
36
TM715(输配电工程、电力网及电力系统)
2008-09-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
11-15