排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测 总被引:1,自引:0,他引:1
利用最小二乘支持向量机( LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择.对于支持向量机中的核参数和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择.在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度.选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比,实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域. 相似文献
2.
利用最小二乘支持向量机(LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择。对于支持向量机中的核参数σ和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择。在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度。选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比。实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域。 相似文献
3.
随着人们生活质量的提高,居住的环境越来越舒适,所以对暖通空调的需要也越来越大,但暖通空调却在建筑业能耗中占有重要的比重。由于能源的短缺,暖通空调做为人们取暖的需要又必不可少,所以暖通空调的节能问题已成为人们面临的一大难题。本文就暖通空调系统的节能措施方面进行了探讨。 相似文献
1