期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CLPSO模型选择的SVM电力负荷预测模型研究 被引量：6
1
作者 夏成文 杨司玥 +2 位作者 鲍玉昆 潘睿 邓源彬 《武汉理工大学学报（信息与管理工程版）》 2021年第3期236-240,共5页
电力负荷数据具有非线性、非平稳的特点,基于机器学习的预测技术始终是负荷预测领域的研究热点。而模型选择,即包括参数优化、特征选择等一系列可以使模型达到最优状态的操作,是提高机器学习负荷预测模型性能的关键。为此,提出了一种基... 电力负荷数据具有非线性、非平稳的特点,基于机器学习的预测技术始终是负荷预测领域的研究热点。而模型选择,即包括参数优化、特征选择等一系列可以使模型达到最优状态的操作,是提高机器学习负荷预测模型性能的关键。为此,提出了一种基于二进制CLPSO算法的模型选择一体化策略,整合特征选择和参数优化过程,以提高SVM预测方法的自适应性。并以GEFCom2012竞赛的电力负荷数据为例进行实验,证明了所提出的一体化模型选择框架能够有效提高SVM模型的预测精确度。 展开更多
关键词 电力负荷预测 支持向量机 模型选择 特征选择 参数优化 综合型学习粒子群算法
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部