|
|||||
|
|
| 基于支持向量回归的年电力需求预测方法 | |
| 引用本文： | 郭彦东,李荣. 基于支持向量回归的年电力需求预测方法[J]. 自动化技术与应用, 2008, 27(6): 6-8 |
| 作者姓名： | 郭彦东 李荣 |
| 作者单位： | 阿城继电器股份有限公司,哈尔滨瑞雷电气科技发展有限责任公司,黑龙江哈尔滨,150090;阿城继电器股份有限公司,哈尔滨瑞雷电气科技发展有限责任公司,黑龙江哈尔滨,150090 |
| 摘 要： | 建立在统计学习理论（SLT）和结构风险最小化（SRM）准则基础上的支持向量机（SVM）在理论上能够很好地平衡学习精度和泛化能力之间的矛盾,支持向量机回归（SVR）是处理小样本数据回归建模的有利工具。文中提出应用SVR求解年电力需求预测问题,给出了求解问题的具体过程和方法,并对比研究了SVR和BP网络预测方法。预测结果表明应用SVR预测年电力需求,不仅易于实现,而且精度较高,性能明显优于BP网络方法。 |
| 关 键 词： | 年电力需求 支持向量回归 回归 预测 |
Annual Electric Demand Forecasting Based on Support Vector Regression |
|
| GUO Yan-dong,LI Rong. Annual Electric Demand Forecasting Based on Support Vector Regression[J]. Techniques of Automation and Applications, 2008, 27(6): 6-8 | |
| Authors: | GUO Yan-dong LI Rong |
| Affiliation: | (Acheng Relay Co.,Ltd Harbin Reli Electric Technology Co.,Ltd, Harbin 150090 China ) |
| Abstract: | Support Vector Regression （SVR） is a powerful tool for solving a small-sample modelling problem. In this paper, SVR is applied to thr annual electric demand forecasting. The forecasting example shows that the performance of the proposed method is superior to that of the BP network method. |
| Keywords: | annual electric demand support vector regression regression forecasting |
| 本文献已被 维普 万方数据 等数据库收录！ | |