引用本文:刘耀年,沈轶群,姜成元,等.基于LSSVM与SMO稀疏化算法的短期负荷预测[J].电力系统保护与控制,2008,36(4):63-66.
,et al.[J].Power System Protection and Control,2008,36(4):63-66
【打印本页】   【下载PDF全文】   【查看/发表评论】  【EndNote】   【RefMan】   【BibTex】
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被：浏览 4995次   下载 3351次 本文二维码信息
码上扫一扫！
分享到： 微信 更多
字体:加大+|默认|缩小-
基于LSSVM与SMO稀疏化算法的短期负荷预测
刘耀年1, 沈轶群, 姜成元, 陈灵根
东北电力大学电气工程学院，吉林 吉林 132012
摘要:
针对最小二乘支持向量机(LSSVM)仅考虑等式约束，失去了支持向量机（SVM）解的稀疏性，影响了二次学习效率的问题，把最小二乘支持向量机与序列最小优化算法(SMO)相结合，后者应用改进的剪枝算法对解进行稀疏化处理，解决了上述问题；算法与最小二乘支持向量机相比降低了计算的复杂度，提高了计算精度。将此方法应用到电力系统短期负荷预测，与SVM和LSSVM算法比较表明该方法运行速度快，精度高，取得了较好的预测结果。
关键词:  最小二乘支持向量机  序列最小优化  短期负荷预测  剪枝算法  稀疏化
DOI：10.7667/j.issn.1674-3415.2008.04.016
分类号:
基金项目:
,et al
Abstract:
Key words:  
  • 1
X关闭
  • 1
X关闭