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):11-15. |
| |
作者姓名: | 孙成发 高辉 |
| |
作者单位: | 阿城继电器股份有限公司哈尔滨瑞雷电气科技发展有限责任公司, 黑龙江 哈尔滨 150090 |
| |
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 |
本文献已被 维普 等数据库收录! |
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
|