期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于SVM模型的中国电力需求预测 被引量：3

SVM-based models for forecasting electricity demand in China
在线阅读 下载PDF
导出
摘要 影响电力需求的因素很多,单一预测方法很难满足不同情况的预测需要,而现有组合预测模型又主要基于经验风险最小,预测精度受组合模型的限制。本文提出一种基于支持向量机的电力负荷组合预测模型,该模型利用结构风险最小化原则代替传统的经验风险最小化,充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据为预测样本,选择多项式函数支持向量机进行组合预测。实际算例表明,支持向量机法克服了传统神经网络算法的局部最优、收敛难以控制等缺点,具有良好的可行性和有效性。
作者 刘广迎 李翔
机构地区 华北电力大学
出处 《制造业自动化》 北大核心 2010年第3期159-162,共4页 Manufacturing Automation
关键词 电力需求预测 支持向量机 神经网络
分类号 TP183 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献5

二级参考文献18

  • 1杨振宇 徐用懋.模糊数理论和神经网络的基础和应用[M].北京:清华大学出版社,1995..
  • 2[3]V.N.Vapnik,The nature of statistical learning theory.New York:Spring-Verlag,1999.
  • 3[4]J.A.K.Suykens,J.Vandewalle,"Least squares support vector machine classifiers",Neural Processing Letters,1999,vol.9(3):293-300.
  • 4R Kassaei, A Keyhani, T Woung, et al. A hybrid fuzzy neural network bus load mode.linK and prediction[J]. IEEE Transactions on Power System, 1999, (14) :2-5.
  • 5Vapnik. V N. the nature of statsitlcal learning theory[M]. New York: Springer. 1995.
  • 6Vapnik. V N. An overview of statistical learning theory. IEEE Trans. Neural Networks. 1999, 10(5):988-999.
  • 7Corts C, Vapnik V. Support Vector Networks. Machine Learning. 1995(20):273-297.
  • 8A Khotanzad, et al. ANNSTLF - Artificial Neural Network Short - term Load Forecaster - Generation three [ J ]. IEEE Trans. on Power Systems, 1998. 13(4) : 1413 - 1422.
  • 9H. Yoo and R. L. Pimmel. Short term Load Forecasting Using a Self-supervised Adaptive Neural Network [ J]. IEEE Trans. on Power Systems, ,1999. 14(2) : 779 -784.
  • 10Ho K L, et al. Short Term Load Forecasting Using a Multiplayer Neural Network With an Adaptive Learning Algorithm[ J]. IEEE Trans. on Power Systems. 1992,7 : 141 - 148.

共引文献2348

同被引文献43

引证文献3

二级引证文献35

制造业自动化
2010年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部