基于PSO-SVM的电力负荷预测

孟江; 杨乐

文献导航

搜索文章

搜索思路

基于PSO-SVM的电力负荷预测

作者：

孟江杨乐

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

支持向量回归

粒子群优化

电力负荷预测

摘要：

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PSO-SVM的电力负荷预测
来源期刊	可编程控制器与工厂自动化(PLC FA)	学科	工学
关键词	支持向量回归粒子群优化电力负荷预测
年，卷（期）	kbckzqygczdhplcfa_2014,（7）	所属期刊栏目
研究方向		页码范围	69-72
页数	4页	分类号	TP391
字数		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	孟江	中北大学机械与动力工程学院	18	26	3.0	4.0
2	杨乐	中北大学机械与动力工程学院	10	2	1.0	1.0

传播情况

被引次数趋势

(/次)

(/年)

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)

2014(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)

研究主题发展历程

节点文献

支持向量回归

粒子群优化

电力负荷预测

研究起点

研究来源

研究分支

研究去脉

引文网络交叉学科

相关文献

推荐文献

根据相关规定，获取原文需跳转至原文服务方进行注册认证身份信息

完成下面三个步骤操作后即可获取文献，阅读后请点击下方页面【继续获取】按钮

钛学术文献服务平台

学术出版新技术应用与公共服务实验室出品

原文合作方

获取文献流程

1.访问原文合作方请等待几秒系统会自动跳转至登录页，首次访问请先注册账号，填写基本信息后，点击【注册】

2.注册后进行实名认证，实名认证成功后点击【返回】

3.检查邮箱地址是否正确，若错误或未填写请填写正确邮箱地址，点击【确认支付】完成获取，文献将在1小时内发送至您的邮箱

*若已注册过原文合作方账号的用户，可跳过上述操作，直接登录后获取原文即可

点击【获取原文】按钮，跳转至合作网站。

首次获取需要在合作网站进行注册。

注册并实名认证，认证后点击【返回】按钮。

确认邮箱信息，点击【确认支付】，订单将在一小时内发送至您的邮箱。

* 若已经注册过合作网站账号，请忽略第二、三步，直接登录即可。

期刊分类
期刊（年）
期刊（期）
期刊推荐

其它

按字母查找期刊：

A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他

联系合作广告推广: shenyukuan@paperpass.com