基于支持向量机的短期风速预测研究综述

被引：12

作者：

杨茂 ^{[1
]}

陈新鑫 ^{[1
]}

张强 ^{[1
]}

李大勇 ^{[2
]}

孙涌 ^{[3
]}

贾云彭 ^{[4
]}

机构：

[1] 东北电力大学电气工程学院

[2] 国网吉林省电力有限公司通化供电公司

[3] 国网淄博供电公司

[4] 国网吉林供电公司客户服务中心计量室

来源：

东北电力大学学报 | 2017年 / 37卷 / 04期

关键词：

短期风速预测; 支持向量机; 确定性; 核函数; 参数优化;

D O I：

10.19718/j.issn.1005-2992.2017.04.001

中图分类号：

TM614 [风能发电]; TP18 [人工智能理论];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

介绍了支持向量机(SVM)的理论基础,从两个方面归纳了目前国内外支持向量机算法在短期风速预测应用中的现状。首先,介绍了确定性支持向量机的预测方法:使用数据挖掘算法结合支持向量机的预测模型和对核函数参数改进优化的支持向量机预测模型。其次,介绍了结合模糊、粗糙和未确知等不确定性支持向量机的预测方法。对现有支持向量机在短期风速预测的应用现状介绍后,分析了SVM核函数的选取和参数优化对预测精度影响的问题,最后展望了基于支持向量机的短期风速预测研究的前景。

引用

页码：1 / 7

页数：7

共 32 条

[1]

支持向量机核函数及关键参数选择研究.[D].尹嘉鹏.哈尔滨工业大学.2016, 02

[2]

基于支持向量机的短期风电功率预测.[D].李胜刚.湖南工业大学.2015, 02

[3]

基于时间序列分析的风速短期预测方法研究.[D].岳莉莉.华北电力大学.2012, 01

[4]

基于支持向量机的股市预测.[D].陶小龙.北京工业大学.2005, 07