共 10 条
- [10] 统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
基于最小二乘支持向量机的短期负荷预测模型
被引：9
作者：
张宁
[1
]
许承权
[2
]
薛小铃
[1
]
郑宗华
[1
]
机构：
[1] 闽江学院物理学与电子工程系
[2] 闽江学院地理科学系
来源：
关键词：
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;
D O I：
10.16652/j.issn.1004-373x.2010.18.049
中图分类号：
TP18 [人工智能理论];
TM715 [电力系统规划];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
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LSS-VM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。
引用
收藏
页码：131 / 133
页数：3
相关论文