基于pso优化参数的最小二乘支持向量机短期负荷 - 重庆理工大学学报.pdfVIP

下载本文档

0
0
约 4页
2017-09-07 发布于天津
举报
版权申诉

基于pso优化参数的最小二乘支持向量机短期负荷 - 重庆理工大学学报.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第卷第期重庆理工大学学报自然科学年月基于优化参数的最小二乘支持向量机短期负荷预测吴文江陈其工高文根安徽工程大学安徽检测技术与节能装置省级重点实验室安徽芜湖摘要模型中的参数选择对模型的影响较大采用粒子群优化算法进行模型参数的全局选优用历史负荷数据和天气气象因素作为输入建立优化电力负荷预测模型进行仿真利用模型对华东某市电力负荷进行验证分析实验结果表明粒子群算法优化的模型相比具有更高的预测精度关键词粒子群优化算法最小二乘支持向量机参数选择负荷预测中图分类号文献标识码文章编号收稿日期基金项目安徽省科技攻

第３０卷　第３期重庆理工大学学报（自然科学）２０１６年３月Ｖｏｌ．３０　　Ｎｏ．３ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｍａｒ．２０１６  ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０１６．０３．０１９基于ＰＳＯ优化参数的最小二乘支持