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:
由于风速的随机性大,预测的准确度不高,针对这种现象,基于支持向量机理论建立了风速预测模型,同时针对支持向量机参数的选取尚无有效的方法,尝试应用蚁群算法来优化参数的选取.以某风场连续5 d的实测风速为研究对象,选取前4 d的实洲风速(采样间隔30 min),应用风速预测模型对第5天的48个风速值进行预测,其预测的平均绝对百分比误差仅为9.77%,预测效果比较理想.验证了应用蚁群优化算法理论与支持向量机理论进行风速预测的可行性,可为风速的长期预测、风力发电功率预测和风电场规划选址等提供理论指导.
推荐文章
基于蚁群算法的支持向量机参数优化
蚁群算法
支持向量机
参数优化
油液分析
故障诊断
基于蚁群支持向量机的短期负荷预测
支持向量机
连续蚁群算法
拳数优化
短期角荷预测
基于蚁群优化最小二乘支持向量机模型的边坡稳定性分析
边坡
稳定性
蚁群算法
支持向量机
锦屏
蚁群优化算法优化支持向量机的视频分类
体育视频
分类方法
蚁群优化算法
主成分分析
特征提取
支持向量机优化
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 基于蚁群优化的支持向量机风速预测模型研究
来源期刊 人民长江 学科 工学
关键词 支持向量机 风速预测 蚁群优化算法 风电场 风力发电 新能源
年,卷(期) 2011,(4) 所属期刊栏目 新能源
研究方向 页码范围 95-97,101
页数 分类号 TM614
字数 2310字 语种 中文
DOI 10.3969/j.issn.1001-4179.2011.04.026
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 陶铁铃 6 24 3.0 4.0
2 曾杰 9 34 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (115)
参考文献  (8)
节点文献
引证文献  (4)
同被引文献  (32)
二级引证文献  (27)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(2)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(9)
  • 参考文献(0)
  • 二级参考文献(9)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(11)
  • 引证文献(1)
  • 二级引证文献(10)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(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
支持向量机
风速预测
蚁群优化算法
风电场
风力发电
新能源
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
人民长江
月刊
1001-4179
42-1202/TV
大16开
武汉市解放大道1863号
38-22
1955
chi
出版文献量(篇)
12471
总下载数(次)
23
总被引数(次)
55454
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导