基于克隆选择算法的支持向量回归实现年用电量预测

• 作者: 孙成发 高辉
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 年用电量 支持向量回归 克隆选择算法 回归 预测
• 年，卷（期）: 2008,（16）
• 所属期刊栏目: 理论分析
• 页码范围: 11-15
• 页数: 5页
• 分类号: TM715
• 字数: 4416字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2008.16.003

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回归(SVR)是处理小样本数据回归问题的有利工具,SVR的参数取值直接影响其学习性能和泛化能力.文中将SVR参数选取看作参数的组合优化问题,采用克隆选择算法(CSA)求解该组合优化问题进而选取SVR参数,并应用基于CSA的SVR求解年电力需求预测问题,同时与BP网络预测方法进行了对比.预测结果表明提出的预测方法不仅易于实现,而且精度较高,且性能明显优于BP网络方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙成发		2	1	1.0	1.0
2	高辉		2	1	1.0	1.0