本文主要研究内容
作者宫毓斌,滕欢（2019）在《基于GOA-SVM的短期负荷预测》一文中研究指出：支持向量机是借助于凸优化技术的统计学习方法,与传统神经网络相比,泛化错误率低并且结果易于解释。将支持向量机用于负荷预测时,参数选择不准确会导致预测性能较差。提出一种基于蚱蜢优化算法的支持向量机短期负荷预测方法,以某地区负荷、天气等历史数据对SVM进行训练,并通过GOA优化选取支持向量机参数,然后以得到的最优参数建立GOA-SVM负荷预测模型。算例分析表明,GOA-SVM预测模型比GA-SVM和PSO-SVM模型有更好的收敛性能,且预测精度更高。
Abstract
zhi chi xiang liang ji shi jie zhu yu tu you hua ji shu de tong ji xue xi fang fa ,yu chuan tong shen jing wang lao xiang bi ,fan hua cuo wu lv di bing ju jie guo yi yu jie shi 。jiang zhi chi xiang liang ji yong yu fu he yu ce shi ,can shu shua ze bu zhun que hui dao zhi yu ce xing neng jiao cha 。di chu yi chong ji yu zha meng you hua suan fa de zhi chi xiang liang ji duan ji fu he yu ce fang fa ,yi mou de ou fu he 、tian qi deng li shi shu ju dui SVMjin hang xun lian ,bing tong guo GOAyou hua shua qu zhi chi xiang liang ji can shu ,ran hou yi de dao de zui you can shu jian li GOA-SVMfu he yu ce mo xing 。suan li fen xi biao ming ,GOA-SVMyu ce mo xing bi GA-SVMhe PSO-SVMmo xing you geng hao de shou lian xing neng ,ju yu ce jing du geng gao 。
论文参考文献
论文详细介绍
论文作者分别是来自电测与仪表的宫毓斌,滕欢，发表于刊物电测与仪表2019年14期论文，是一篇关于短期负荷预测论文,支持向量机论文,蚱蜢优化算法论文,电测与仪表2019年14期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电测与仪表2019年14期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：短期负荷预测论文; 支持向量机论文; 蚱蜢优化算法论文; 电测与仪表2019年14期论文;