论文降重
免费查重
基于RQEA和LSSVM的年用电量预测
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：
本文将LSSVM相关参数的选取视为一个组合优化问题,建立组合优化问题的目标函数,采用实数编码量子进化算法(RQEA)求解该组合优化问题,进而优化LSSVM相关参数,形成基于RQEA的LSSVM (RQEA-LSSVM).并将 RQEA-LSSVM引入电力系统负荷预测领域,通过仿真试验表明应用RQEA-LSSVM预测年用电量的有效性.
推荐文章
基于电能替代背景下的新疆用电量预测研究
电能替代
用电量预测
最优组合预测模型
基于ABC-BP神经网络的用电量预测研究
人工蜂群算法
BP神经网络
用电量预测
预测算法
基于多元线性回归模型和灰色理论的山东省用电量预测
山东省
多元线性回归
灰色预测
全社会用电量
年用电量预测的PLS-LSSVM模型
偏最小二乘
支持向量机
年用电量
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
引文网络
引文网络
二级参考文献 (0)
共引文献 (0)
参考文献 (0)
节点文献
引证文献 (0)
同被引文献 (0)
二级引证文献 (0)
2013(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)
引文网络交叉学科
相关学者/机构
期刊影响力
电气时代
主办单位：
机械工业信息研究院
出版周期：
月刊
ISSN：
1000-453X
CN：
11-1244/TM
开本：
大16开
出版地：
北京市
邮发代号：
2-108
创刊时间：
1981
语种：
chi
出版文献量（篇）
7533
总下载数（次）
3
总被引数（次）
14195
期刊文献
相关文献
推荐文献
- 期刊分类
- 期刊（年）
- 期刊（期）
- 期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
电气时代2021
电气时代2020
电气时代2018
电气时代2016
电气时代2015
电气时代2014
电气时代2013
电气时代2012
电气时代2011
电气时代2010
电气时代2009
电气时代2008
电气时代2007
电气时代2006
电气时代2005
电气时代2004
电气时代2003
电气时代2002
电气时代2001
电气时代2000
电气时代2013年第9期
电气时代2013年第8期
电气时代2013年第7期
电气时代2013年第6期
电气时代2013年第5期
电气时代2013年第4期
电气时代2013年第3期
电气时代2013年第2期
电气时代2013年第12期
电气时代2013年第11期
电气时代2013年第10期
电气时代2013年第1期
