基于支持向量回归的年电力需求预测方法

• 作者: 李荣 郭彦东
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 年电力需求 支持向量回归,回归 预测
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 控制理论与应用
• 页码范围: 6-8,5
• 页数: 4页
• 分类号: TM77
• 字数: 3157字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2008.06.002

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭彦东		4	20	3.0	4.0
2	李荣		1	3	1.0	1.0