10.3969/j.issn.1009-3087.2006.02.002
基于免疫进化支持向量机的年用电量预测
支持向量机(SVM)是在统计学习理论基础之上发展起来的,针对小样本数据且具有优良推广性能的机器学习方法.阐述了SVM的基本原理及特性,并采用一种新的有效随机全局优化技术-免疫进化算法(IEA)对SVM核函数的参数进行了优化.介绍了IEA-SVM算法的设计思想和特点,成功地实现了此模型在年用电量预测中的应用,对四川省电网1978~1998年年用电量状况进行了实例研究,预测值与实际值相差较小,并与基于偏最小二乘回归(PLS)模型的预测成果进行了对比.理论分析和实例结果验证了基于IEA-SVM的年用电量预测方法的正确性和有效性.
支持向量机、免疫进化算法、参数优化、年用电量预测
38
TM744;TV72(输配电工程、电力网及电力系统)
国家重点基础研究发展计划973计划2002CB412301;中国科学院资助项目40271024;成都信息工程学院校科研和教改项目CSRF200401
2006-04-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
6-10