基于改進(jìn)的混合蛙跳算法的短期燃?xì)庳?fù)荷預(yù)測(cè)模型研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩70頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、短期負(fù)荷預(yù)測(cè)方法主要是依賴歷史負(fù)荷數(shù)據(jù),其本質(zhì)是基于負(fù)荷預(yù)測(cè)的相似性原理。傳統(tǒng)的燃?xì)庳?fù)荷預(yù)測(cè)都是通過(guò)優(yōu)化預(yù)測(cè)算法來(lái)提高預(yù)測(cè)精度,本文在此基礎(chǔ)上,提出了基于模糊C均值(FCM)聚類分析挑選最小二乘支持向量機(jī)(LS-SVM)預(yù)測(cè)模型訓(xùn)練集的新方法。最小二乘支撐向量機(jī)(LS-SVM)是一種新穎的機(jī)器學(xué)習(xí)方法,通過(guò)利用高維映射能把非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)題,在模式識(shí)別和函數(shù)回歸估計(jì)具有較好的工作性能,然而,當(dāng)有海量輸入數(shù)據(jù)參與到訓(xùn)練模型時(shí),收斂時(shí)

2、間較長(zhǎng)。因此,我們可以在分析影響燃?xì)庳?fù)荷的特征因素的基礎(chǔ)上,利用模糊C均值聚類對(duì)歷史燃?xì)庳?fù)荷進(jìn)行分類,通過(guò)計(jì)算待預(yù)測(cè)樣本與各聚類中心的距離,然后挑選最近距離的類中包含的數(shù)據(jù)作為待預(yù)測(cè)日的相似日,并作為L(zhǎng)S-SVM的訓(xùn)練樣本。傳統(tǒng)的FCM聚類容易陷入局部最優(yōu)缺點(diǎn),本文提出利用改進(jìn)混合蛙跳算法的全局優(yōu)化特性和深度局部搜索特性,優(yōu)化傳統(tǒng)FCM聚類的缺點(diǎn),得到最優(yōu)分類結(jié)果,這樣使得分類結(jié)果更符合燃?xì)庳?fù)荷數(shù)據(jù)內(nèi)部真正的結(jié)構(gòu)。同時(shí),這樣既強(qiáng)化了參與

3、LS-SVM訓(xùn)練建模的負(fù)荷樣本的輸入輸出數(shù)據(jù)規(guī)律性,又保障了訓(xùn)練樣本在更高程度上近似滿足相同的輸入輸出函數(shù)關(guān)系,實(shí)現(xiàn)了優(yōu)化的FCM聚類分析和LS-SVM算法的有效結(jié)合。在減少和優(yōu)化訓(xùn)練樣本的同時(shí),提高了LS-SVM模型的預(yù)測(cè)精度,并以仿真實(shí)驗(yàn)證明了所提混合模型的有效性。
  最后,本文針對(duì)上海地區(qū)某年的燃?xì)庳?fù)荷數(shù)據(jù)在Rstudio平臺(tái)上,利用基于優(yōu)化的FCM聚類挑選預(yù)測(cè)日的訓(xùn)練樣本來(lái)訓(xùn)練LS-SVM預(yù)測(cè)模型,并且將預(yù)測(cè)結(jié)果與用BP

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論