现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2010年
18期
131-133
,共3页
张宁%许承权%薛小铃%郑宗华
張寧%許承權%薛小鈴%鄭宗華
장저%허승권%설소령%정종화
最小二乘支持向量机%神经网络%短期负荷预测%时间序列预测
最小二乘支持嚮量機%神經網絡%短期負荷預測%時間序列預測
최소이승지지향량궤%신경망락%단기부하예측%시간서렬예측
支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题.研究了支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于电力系统短期负荷时间序列预测.通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSSVM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路.
支持嚮量機(SVM)是近年來髮展起來的機器學習的新方法,它較好地解決瞭小樣本、非線性、高維數、跼部極小點等實際問題.研究瞭支持嚮量機的拓展算法--最小二乘支持嚮量機(LSSVM),併將其應用于電力繫統短期負荷時間序列預測.通過實例併與神經網絡模型預測結果相比較錶明,LSSVM模型的預測精度要明顯高于神經網絡模型,驗證瞭LSSVM模型可以很好地應用于短期負荷時間序列預測,併且具有較高的準確性與有效性,這為短期負荷預測提供瞭一箇新的解決思路.
지지향량궤(SVM)시근년래발전기래적궤기학습적신방법,타교호지해결료소양본、비선성、고유수、국부겁소점등실제문제.연구료지지향량궤적탁전산법--최소이승지지향량궤(LSSVM),병장기응용우전력계통단기부하시간서렬예측.통과실례병여신경망락모형예측결과상비교표명,LSSVM모형적예측정도요명현고우신경망락모형,험증료LSSVM모형가이흔호지응용우단기부하시간서렬예측,병차구유교고적준학성여유효성,저위단기부하예측제공료일개신적해결사로.
