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: |