| 基于克隆选择算法的支持向量回归实现年用电量预测 |
| |
| 引用本文： | 孙成发,高辉.基于克隆选择算法的支持向量回归实现年用电量预测[J].电力系统保护与控制,2008,36(16). |
| |
| 作者姓名： | 孙成发 高辉 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 年用电量 支持向量回归 克隆选择算法 回归 预测 |
Using support vector regression based on clonal selection algorithm in annual electric consumption forecasting |
| |
| SUN Cheng-fa,CAO Hui.Using support vector regression based on clonal selection algorithm in annual electric consumption forecasting[J].Power System Protection and Control,2008,36(16). |
| |
| Authors: | SUN Cheng-fa CAO Hui |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
