| 摘要: |
| 建立在统计学习理论（SLT）和结构风险最小化（SRM）准则基础上的支持向量回归（SVR）是处理小样本数据回归问题的有利工具，SVR的参数取值直接影响其学习性能和泛化能力。文中将SVR参数选取看作参数的组合优化问题，采用克隆选择算法（CSA）求解该组合优化问题进而选取SVR参数，并应用基于CSA的SVR求解年电力需求预测问题，同时与BP网络预测方法进行了对比。预测结果表明提出的预测方法不仅易于实现，而且精度较高，且性能明显优于BP网络方法。 |
| 关键词: 年用电量 支持向量回归 克隆选择算法 回归 预测 |
| DOI：10.7667/j.issn.1674-3415.2008.16.003 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
