| 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.[点击复制] |
| ,et al.[J].Power System Protection and Control,2008,36(4):63-66[点击复制] |
|
| 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 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
