基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文在分析了支持向量机基本原理的基础上,对支持向量机采用回归算法,建立了相应的预测模型,和改进的BP神经网络进行比较,并做了实例分析比较,证明了基于支持向量机回归算法预测模型的优越性.
推荐文章
基于最小二乘支持向量机的短期负荷预测模型
最小二乘支持向量机
神经网络
短期负荷预测
时间序列预测
野草算法和支持向量机相融合的短期负荷预测
电力系统
短期负荷
野草算法
相空间重构
人工神经网络和模糊理论在短期负荷预测中应用
人工神经网络
模糊理论
短期负荷预测
BP算法
基于支持向量机的短期负荷预测
电力系统负荷
短期预测
支持向量机
网格法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 神经网络和支持向量机在短期负荷预测中的应用
来源期刊 电气技术 学科 工学
关键词 BP神经网络 支持向量机回归算法 负荷预测
年,卷(期) 2009,(9) 所属期刊栏目 研究与开发
研究方向 页码范围 17-21,30
页数 6页 分类号 TM7
字数 3156字 语种 中文
DOI 10.3969/j.issn.1673-3800.2009.09.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张艳 太原理工大学电气与动力工程学院 23 180 8.0 13.0
2 杜欣慧 太原理工大学电气与动力工程学院 77 351 9.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (173)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (11)
二级引证文献  (11)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
BP神经网络
支持向量机回归算法
负荷预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电气技术
月刊
1673-3800
11-5255/TM
大16开
北京市西城区莲花池东路102号天莲大厦10层
2000
chi
出版文献量(篇)
6373
总下载数(次)
15
总被引数(次)
19291
论文1v1指导