| 基于粒子群优化的Wv-SVM燃气负荷预测 |
| |
| 引用本文： | 赖兆林,徐晓钟.基于粒子群优化的Wv-SVM燃气负荷预测[J].计算机工程,2012,38(5):196-198,201. |
| |
| 作者姓名： | 赖兆林 徐晓钟 |
| |
| 作者单位： | 上海师范大学信息与机电工程学院,上海,200234 |
| |
| 基金项目： | 上海师范大学产学研基金，上海燃气指挥系统智能化研究和开发基金 |
| |
| 摘 要： | 针对传统预测模型精度不高的问题，提出基于小波核支持向量机的复合预测模型。采用小波分析提取燃气负荷相关的特征值，通过粒子群优化算法确定小波核支持向量机的参数，利用支持向量机(SVM)解决非线性回归和时间序列问题。实验结果证明，该预测模型的预测精度比BP神经网络和传统高斯核SVM高。
|
| 关 键 词： | 支持向量机 核函数 粒子群优化 燃气负荷 小波 预测模型 |
| 收稿时间： | 2011-08-29 |
Wv-SVM Gas Load Forecast Based on Particle Swarm Optimization |
| |
| LAI Zhao-lin
,
XU Xiao-zhong.Wv-SVM Gas Load Forecast Based on Particle Swarm Optimization[J].Computer Engineering,2012,38(5):196-198,201. |
| |
| Authors: | LAI Zhao-lin XU Xiao-zhong |
| |
| Affiliation: | (School of Information Mechanical and Electrical Engineering,Shanghai Normal University,Shanghai 200234,China) |
| |
| Abstract: | Facing an uncertain,nonlinear,dynamic and complicated system,gas load forecasting generally can not get a sufficient accuracy result when using traditional forecast model.This paper proposes a wavelet v-Support Vector Machine(SVM) compound model,wavelet analysis extracting the feature of gas load,and PSO determining the parameter of Wv-SVM model,solving nonlinear regression and time series problems.Experimental results show that the proposed model outperforms the back propagation neural network and traditional Gauss SVM model. |
| |
| Keywords: | Support Vector Machine(SVM) kernel function Particle Swarm Optimization(PSO) gas load wavelet forecast model |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
