|
|||||
|
|
| 基于遗传算法优化参数的支持向量机短期负荷预测方法 | |
| 引用本文： | 吴景龙,杨淑霞,刘承水.基于遗传算法优化参数的支持向量机短期负荷预测方法[J].中南大学学报(自然科学版),2009,40(1). |
| 作者姓名： | 吴景龙 杨淑霞 刘承水 |
| 作者单位： | 1. 华北电力大学,工商管理学院,北京,102206;北方联合电力有限责任公司,内蒙古,呼和浩特,010020 2. 华北电力大学,工商管理学院,北京,102206 3. 北京城市学院,城市信息应用研究所,北京,100083 |
| 摘 要： | 通过研究参数选择和支持向量机预测能力的影响,建立利用遗传算法优化参数的支持向量机负荷预测系统.通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优预处理,找到最优的参数取值,然后,代入支持向量机SVM预测模型中,得基于遗传算法的支持向量机(GA-SVM)模型,利用此模型对短期电力负荷进行预测研究.通过实例验证,选择河北某地区2005-03-02至2007-05-22每天各个时点的数据进行分析,并且选择SVM模型与BP(Back propagation)神经网络进行对比.研究结果表明:用GA-SVM算法得到的均方根相对误差仅为2.25%,比用SVM模型和BP神经网络所得的均方根相对误差比分别低0.58%和1.93%.所提出的测试方法克服了传统参数选择方法存在的缺点(如研究者往往凭经验和有限的实验给定一组参数,而不讨论参数制定的合理性),提高了支持向量机的预测精度. |
| 关 键 词： | 遗传算法 支持向量机 参数优化 负荷预测 |
Parameter selection for support vectormachines based on genetic algorithms to short-term power load forecasting |
|
| WU Jing-long,YANG Shu-xia,LIU Cheng-shui.Parameter selection for support vectormachines based on genetic algorithms to short-term power load forecasting[J].Journal of Central South University:Science and Technology,2009,40(1). | |
| Authors: | WU Jing-long YANG Shu-xia LIU Cheng-shui |
| Abstract: | |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ | |