作者:
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:
基于最小二乘支持向量机理论,建立风速预测模型.同时,由于最小二乘支持向量机参数选取尚无有效方法,该文尝试采用蚁群算法理论来进行参数优化选择.选取某风场前四天的实测风速(采样间隔30min),应用所建立的风速预测模型,来预测第五天的48个风速值,其预测的平均绝对百分比误差仅为9.53%,预测效果较理想,验证了应用蚁群优化算法理论与最小二乘支持向量机理论进行风速预测的可行性,可为风电场规划选址和风力发电功率预测等提供理论支持.
推荐文章
基于最小二乘支持向量机的复杂装备故障预测模型研究
故障预测模型
回归算法
最小二乘支持向量机
基于最小二乘支持向量机的蜡沉积速率预测
最小二乘支持向量机
蜡沉积速率
预测
模型
模型精度
最小二乘支持向量机的参数优化算法研究
最小二乘支持向量机
参数优化
水下焊接
熔深预测
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
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 基于蚁群优化的最小二乘支持向量机风速预测模型研究
来源期刊 太阳能学报 学科 工学
关键词 风速预测 最小二乘支持向量机 蚁群优化算法 风电场 风力发电
年,卷(期) 2011,(3) 所属期刊栏目
研究方向 页码范围 296-300
页数 分类号 TK81
字数 3306字 语种 中文
DOI
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 张华 华北电力大学可再生能源学院 47 319 10.0 16.0
2 曾杰 华北电力大学可再生能源学院 4 127 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (102)
参考文献  (9)
节点文献
引证文献  (37)
同被引文献  (184)
二级引证文献  (284)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(3)
  • 参考文献(3)
  • 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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(5)
  • 引证文献(3)
  • 二级引证文献(2)
2014(17)
  • 引证文献(4)
  • 二级引证文献(13)
2015(31)
  • 引证文献(8)
  • 二级引证文献(23)
2016(51)
  • 引证文献(7)
  • 二级引证文献(44)
2017(65)
  • 引证文献(4)
  • 二级引证文献(61)
2018(67)
  • 引证文献(4)
  • 二级引证文献(63)
2019(56)
  • 引证文献(4)
  • 二级引证文献(52)
2020(26)
  • 引证文献(0)
  • 二级引证文献(26)
研究主题发展历程
节点文献
风速预测
最小二乘支持向量机
蚁群优化算法
风电场
风力发电
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
太阳能学报
月刊
0254-0096
11-2082/TK
大16开
北京市海淀区花园路3号
2-165
1980
chi
出版文献量(篇)
7068
总下载数(次)
14
论文1v1指导