原创力文档- 1、本文档共6页，其中可免费阅读2页，需付费100金币后方可阅读剩余内容。
- 2、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。
- 3、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。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
相空间重构和支持向量机结合的电力负荷预测模型研究李昕方法分别求得时间延迟和嵌入维数并由此得到系统最大李雅普诺夫指数证明其具有混沌特性然后根据时间延迟和嵌入维数对样本数据相空间重构在此基础上利用支持向量回归算法神经网络模型的预测结果进行对比结果表明这是一种误差小精度高的电网负荷预测方法器关键词支持向量回归混沌相空间重构电力负荷预测中图分类号文献标识码文章编号灰色预测模型选取适当的嵌入维数和延迟时间就可以用相空间重构方法得到相空间中的数据集式中为维相空间中的相点为相点个数且写为矩阵形式即为相空间的预
相空间重构和支持向量机结合的电力负荷预测模型研究*
李昕，，CAO方法分别求得时间延迟和嵌入维数，并由此得到系统最大李雅普诺夫指数，证明其具有混沌特性。然后根据时间延迟和嵌入维数对样本数据相空间重构，在此基础上利用支持向量回归算法（PSR-SVR）BP神经网络模型的预测结果进行对比，结果表明，这是一种误差小，精度高的电网负荷预测方法器。
关键词: 支持向量回归; 混沌; 相空间重构; 电力负荷预测
中图分类号: TM714 文献标识码: A 文章编号：1001-1390（2014）00-0000-00Study on Power Load Foreca
文档评论（0）