基于LSSVM与SMO稀疏化算法的短期负荷预测

针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度.将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果.     

基于LSSVM与SMO稀疏化算法的短期负荷预测

针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机（SVM）解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度。将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果。     

园区+互联网：下一代科技园区的变革之力

在我国经济形势和政策的宏观背景下，科技园区正在谋求转型突破，互联网思维、互联网+丰富了智慧园区的建设和发展内涵。充分利用互联网创新的思维、技术和商业模式，规划和构建科技园区的经营管理模式、服务体系和业务系统，是科技园区升级为智慧园区的必由之路。     

浅谈智慧科技园区建设技术规范

近年来,随着智慧园区总体规划和顶层设计的不断深入,全国各地纷纷掀起了智慧园区规划与建设的热潮.然而智慧园区的建设面临技术、管理、资金的挑战,具有极大的风险,而智慧园区建设技术规范能够指导智慧园区建设,降低建设风险.本文从基础设施层、感知层、网络层、数据层和应用层五个层次进行对科技型园区建设智慧园区的技术规范进行分析和阐述,并且以上海浦东软件园为例,对智慧园区建设技术规范的实践过程进行介绍.随着在智慧园区建设领域的不断探索,智慧园区建设技术规范也将与时俱进,不断发展.     

LSSVM增量式训练的稀疏化算法在短期负荷预测中的应用

最小二乘支持向量机与传统支持向量机相比在训练速度上有所提高,但当训练样本数目较大时,训练速度也相对缓慢。针对这一特点,对最小二乘支持向量机用增量式训练方法,使训练速度得到进一步提高,但是与传统支持向量机相比,丧失了解的稀疏性,影响了二次学习的效率。因此通过改进的剪枝算法对解进行了稀疏化处理,将此方法应用在电力系统短期负荷预测中,并对其预测结果与支持向量机进行分析比较,预测的准确性得到了进一步提高。