上海理工大学学报
上海理工大學學報
상해리공대학학보
2008年
2期
129-132
,共4页
靳忠伟%陈康民%闫伟%王桂华
靳忠偉%陳康民%閆偉%王桂華
근충위%진강민%염위%왕계화
支持向量机%统计学习理论%主因素分析%电力负荷预测
支持嚮量機%統計學習理論%主因素分析%電力負荷預測
지지향량궤%통계학습이론%주인소분석%전력부하예측
采用一种新的机器学习方法--支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.
採用一種新的機器學習方法--支持嚮量機,建立瞭中長期電力負荷預測模型.闡述瞭支持嚮量機的基本內容,對影響電力負荷諸多因素的樣本集進行瞭標準化處理和主因素分析(PCA).採用Libsvm訓練瞭數據集,併與灰色預測GM(1,1)模型、多元線性迴歸模型、模糊ISODATA聚類模型和BP神經網絡進行對比.結果錶明,此算法有更高的準確性,可為電力負荷預測提供有效依據.
채용일충신적궤기학습방법--지지향량궤,건립료중장기전력부하예측모형.천술료지지향량궤적기본내용,대영향전력부하제다인소적양본집진행료표준화처리화주인소분석(PCA).채용Libsvm훈련료수거집,병여회색예측GM(1,1)모형、다원선성회귀모형、모호ISODATA취류모형화BP신경망락진행대비.결과표명,차산법유경고적준학성,가위전력부하예측제공유효의거.
