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
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习的电费波动预测模型研究
1
作者 韩晶 王紫玥 +1 位作者 叶静 王凌娆 《国外电子测量技术》 2026年第1期427-434,共8页
由于电力市场中新能源出力的高波动性,导致了电费波动预测偏差。为提高电费波动预测准确度,提出构建一个基于奇异谱分析法-改进鼠群算法-长短期记忆(Singular Spectrum Analysis-Improved-Rat Swarm Optimizer-Long Short-Term Memory,S... 由于电力市场中新能源出力的高波动性,导致了电费波动预测偏差。为提高电费波动预测准确度,提出构建一个基于奇异谱分析法-改进鼠群算法-长短期记忆(Singular Spectrum Analysis-Improved-Rat Swarm Optimizer-Long Short-Term Memory,SSA-IRSO-LSTM)的电费波动预测模型。首先,采用SSA对电费波动历史序列进行分解和重构,以获得不同频率的特征分量;然后,采用加入混沌映射和高斯游走策略的RSO算法,对LSTM网络的超参数进行优化;最后,构建基于IRSO-LSTM的电费波动预测模型。仿真结果表明,在电费波动性强的冬季,IRSO-LSTM模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为5.98、7.04和9.52%,相较于其他先进预测模型,具有明显优势。结果表明,该模型可实现电费波动准确预测,具备较强的鲁棒性和泛化性。基于该模型预测数据可实现电力工业经济效益和社会效益的量化评估,从而进一步提高电力工业水平。 展开更多
关键词 电费波动预测 奇异谱分析法 LSTM网络 rso算法 混沌映射
原文传递
基于反馈仿射振荡器和反馈搜索智能优化的改进蚁群算法与最短路优化 被引量：6
2
作者 薛波 李厚彪 《计算机应用》 CSCD 北大核心 2020年第S01期32-36,共5页
针对经典蚁群算法易陷入局部最优解、收敛速度慢、全局最优解质量不佳等问题,通过分析研究蚁群算法和抽样策略,提出了基于反馈仿射振荡器(RAS)和反馈搜索智能优化(RSO)的改进蚁群算法。首先,利用RAS算法在所给函数区域进行撒点抽样,得... 针对经典蚁群算法易陷入局部最优解、收敛速度慢、全局最优解质量不佳等问题,通过分析研究蚁群算法和抽样策略,提出了基于反馈仿射振荡器(RAS)和反馈搜索智能优化(RSO)的改进蚁群算法。首先,利用RAS算法在所给函数区域进行撒点抽样,得到若干节点而不是进行毫无目的的随机撒点;同时,基于RSO的思想对全局信息素更新规则加以改进,充分利用每次迭代结束后局部最优解的价值;然后,基于RSO的思想调节信息素挥发系数,尽量避免算法在运行期间陷入局部最优解,同时加速算法收敛;最后,通过自适应调整路径选择参数的值,加快算法收敛同时减小算法陷入局部最优解的可能。仿真实验一该算法相较于最大最小蚁群系统、经典遗传算法、基于精英保留策略的改进遗传算法解的优质程度分别提升10.9%、22.1%、11.2%,迭代次数分别减少31.1%、23.3%、18.7%;仿真实验二中解的优质程度分别提升12.9%、24.6%、13%,迭代次数分别减少39.5%、11.7%、3.2%。仿真实验结果表明,该算法可加快算法收敛同时提升解的优质程度,能有效解决路径优化问题。 展开更多
关键词 反馈仿射振荡器算法 反馈搜索优化 最短路径优化 改进蚁群算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部