文献

J-GLOBAL ID：201702223344483018   整理番号：17A0205370

PSO最適化パラメータに基づく最小二乗法サポートベクトルマシン短期負荷予測【JST・京大機械翻訳】

Parameter Selection for LSSVM Based on PSO to Short-Term Power Load Forecasting

著者 (3件)： Wu Wenjiang (Anhui Key Laboratory of Detection Technology and Energy Saving Devices, Anhui Polytechnic University) ,  Chen Qigong (Anhui Key Laboratory of Detection Technology and Energy Saving Devices, Anhui Polytechnic University) ,  Gao Wengen (Anhui Key Laboratory of Detection Technology and Energy Saving Devices, Anhui Polytechnic University)
資料名： Chongqing Ligong Daxue Xuebao. Ziran Kexue Ban  (Chongqing Ligong Daxue Xuebao. Ziran Kexue Ban)
巻： 30  号： 3  ページ： 112-115  発行年： 2016年 
JST資料番号： C3126A  ISSN： 1674-8425  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： LSSVMモデルにおけるパラメータ選択はモデルに大きな影響を与え,粒子群最適化アルゴリズムを用いてモデルパラメータの大域的最適化を行い,履歴負荷データと気象気象因子を入力として最適化した電力負荷予測モデルを構築した。PSO-LSSVMモデルを用いて,中国東部のある市の電力負荷を検証した。実験結果は以下を示す。PSOアルゴリズムと比較して,PSOアルゴリズムには,より高い予測精度がある。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 気象 ,  *最小二乗法 ,  中華人民共和国 ,  気象要素 ,  *サポートベクトルマシン ,  都市 ,  予測モデル ,  *負荷予測 ,  *最適化
準シソーラス用語： 予測精度 ,  電力負荷 ,  大域的最適化 ,  モデルパラメータ ,  粒子群最適化 ,  パラメータ選択 , 【Automatic Indexing@JST】

著者キーワード (4件)： Particle Swarm Optimization( PSO) ,  Least Squares Support Vector Machine( LSSVM) ,  parameters slection ,  power load forecasting

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： PSO ,  最適化 ,  パラメータ ,  最小二乗法 ,  サポートベクトルマシン ,  短期 ,  負荷予測