文件名称：最小二乘支持向量机LSSVM
文件大小：327KB
文件格式：RAR
更新时间：2018-12-05 03:40:02
负荷短期预测
介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。
【文件预览】：
AdaptFunc.m
基于支持向量机的短期电力负荷预测.doc
gaijin.m
InitSwarm.m
AdaptFunc1.m
数据
----B5.xls(17KB)
----B4.xls(19KB)
----B2.xls(17KB)
----b3.xls(19KB)
----bdata1.xls(35KB)
----a45.xls(21KB)
----a23.xls(22KB)
pso.m
shorttime.m
BaseStepPso.m