LSSVM增量式训练的稀疏化算法在短期负荷预测中的应用

• 作者: 姜成元 李玉玲 沈轶群 陈灵根
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 最小二乘支持向量机 增量式训练 短期负荷预测 剪枝算法 稀疏化
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 电气工程
• 页码范围: 21-24
• 页数: 4页
• 分类号: TM714
• 字数: 3087字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2007.06.005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉玲	东北电力大学电气工程学院	4	44	3.0	4.0
2	沈轶群	东北电力大学电气工程学院	2	20	2.0	2.0
3	姜成元	东北电力大学电气工程学院	2	20	2.0	2.0
4	陈灵根	东北电力大学电气工程学院	3	24	3.0	3.0