基于遗传算法的加权支持向量机的短期电力负荷预测

• 作者: 桂红霞
• 来源期刊: 工业控制计算机
• 学科: 工学
• 关键词: 支持向量机 遗传算法 特征选择 电力负荷预测
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 测控系统
• 页码范围: 71-72,75
• 分类号: TP3
• 字数: 3744字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2010.05.033

摘要

建立在统计学习理论的VC维理论和结构风险最小化原理基础之上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于电力负荷预测可以获得很好的效果,但是传统SVM回归预测算法对于不同的样本均采用相同的参数,无法体现各样本的重要程度的区别,而且将支持向量机理论应用于实际中也存在时样本数据进行特征选择和对支持向量机模型参数进行选择的问题.因此提出了将遗传算法应用于短期的电力负荷预测中来对加权支持向量机模型进行特征选择和模型参数确定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂红霞	武汉理工大学自动化学院	1	3	1.0	1.0