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:
讨论了基于支持向量机预测电量的模型及其构建过程,利用广东省电网统计大工业客户的逐月用电量总目标值,使用LIBSVM软件进行实际预测和验证分析.着重考虑GDP、规模以上总产值、固定资产总投资、进出口额等因素对电量的影响,确定了一种有效的电量使用短期预测方法.用2012—2015年的逐月资料进行训练建模,用2016年的资料做效果检验,研究结果证明这种方法对于电量短期预测误差较小,是比较好的预测方法.
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
基于ARIMA模型对汽车工厂用电量分析与预测
时间序列
ARIMA模型
汽车工厂
用电量
Eviews 10
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SVM的大工业用电量预测
来源期刊 机电信息 学科
关键词 电量预测 支持向量机 LIBSVM
年,卷(期) 2016,(33) 所属期刊栏目 综合研究
研究方向 页码范围 161-163
页数 3页 分类号
字数 2342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 吴毅良 11 18 3.0 4.0
传播情况
(/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  (3)
节点文献
引证文献  (5)
同被引文献  (25)
二级引证文献  (10)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2018(4)
  • 引证文献(3)
  • 二级引证文献(1)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
电量预测
支持向量机
LIBSVM
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
机电信息
旬刊
1671-0797
32-1628/TM
大16开
南京山西路120号江苏成套大厦12楼
28-285
2001
chi
出版文献量(篇)
19929
总下载数(次)
45
总被引数(次)
30590
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导