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:
提出了一种新的预测风速的优化组合算法,利用帝国竞争算法实现参数寻优,优化支持向量机回归的关键参数,建立精准的回归预测模型用来预测风速.通过实例证明,优化后的算法与传统人工神经网络相比较,在预测精度上有一定的提升,从而证实了算法的有效性.
推荐文章
卡尔曼滤波修正的风电场短期功率预测模型
卡尔曼滤波
神经网络
功率预测
风力发电
风电场短期风速的多变量局域预测法
风速预测
局域预测
相关系数
支持向量回归
相空间重构
风电场超短期风速预测的相空间优化邻域局域法
风力发电
超短期风速预测
局域预测法
支持向量回归(SVR)
相空间重构
伪近邻点
基于深度学习网络的风电场功率短期预测研究
风电场
数值天气预报
功率预测
深度学习网
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ICA优化SVR的风电场短期风速预测
来源期刊 计算机与数字工程 学科 工学
关键词 帝国竞争算法 参数寻优 支持向量机回归 风速预测 人工神经网络
年,卷(期) 2020,(7) 所属期刊栏目 算法与分析
研究方向 页码范围 1547-1551
页数 5页 分类号 TM614
字数 语种 中文
DOI 10.3969/j.issn.1672-9722.2020.07.001
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 周武能 51 290 9.0 14.0
2 尤亚锋 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (144)
共引文献  (304)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(3)
  • 参考文献(0)
  • 二级参考文献(3)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(11)
  • 参考文献(0)
  • 二级参考文献(11)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(16)
  • 参考文献(1)
  • 二级参考文献(15)
2009(16)
  • 参考文献(2)
  • 二级参考文献(14)
2010(18)
  • 参考文献(2)
  • 二级参考文献(16)
2011(17)
  • 参考文献(2)
  • 二级参考文献(15)
2012(17)
  • 参考文献(1)
  • 二级参考文献(16)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(15)
  • 参考文献(3)
  • 二级参考文献(12)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(5)
  • 参考文献(1)
  • 二级参考文献(4)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
帝国竞争算法
参数寻优
支持向量机回归
风速预测
人工神经网络
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导