文献

J-GLOBAL ID：201702271626772852   整理番号：17A1326250

侵入雑草最適化アルゴリズムに基づくサポートベクトルマシン負荷予測【JST・京大機械翻訳】

Load Forecasting Based on Support Vector Machine Optimize by Invasive Weed Optimization

著者 (2件)： Zhou Shangjunxi (上海理工大学 光電信息与計算机工程学院,上海,200093) ,  Ma Lixin (上海理工大学 光電信息与計算机工程学院,上海,200093)
資料名： Dianli Kexue yu Gongcheng  (Dianli Kexue yu Gongcheng)
巻： 33  号： 2  ページ： 35-40  発行年： 2017年 
JST資料番号： C3439A  ISSN： 1672-0792  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： サポートベクトルマシン(SVM)の予測方法におけるパラメータ選択は主に経験的計算実験の比較に基づく方法によって、適切なパラメータを選択することが難しいため、負荷予測精度に影響を与える問題がある。本論文は,侵入雑草最適化アルゴリズム(IWO)とサポートベクトルマシン(SVM)を組み合わせた改良アルゴリズムを研究した。誤差εを制御する値を提案し、侵入雑草の最適化アルゴリズムを採用して、ペナルティパラメータCとカーネル関数パラメータσを最適化し、自動的に最適な結果をサポートベクトルマシンに与え、サポートベクトルマシンの自動最適化を実現した。ある種の市の歴史的負荷と関連気象などの情報データを用いて、シミュレーション実験を通じて、IWO-SVMアルゴリズムが短期負荷予測の実行可能性、およびIWOアルゴリズムがSVMのパラメータ選択の改善に有効であることを証明した。平均予測誤差は3%以内であり、業界の要求を満たしている。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *負荷予測 ,  シミュレーション ,  *雑草 ,  *最適化 ,  予測技法 ,  予測誤差 ,  *サポートベクトルマシン ,  気象 ,  *アルゴリズム
準シソーラス用語： Kernel関数 ,  *最適アルゴリズム ,  *侵入 ,  パラメータ選択 ,  *侵入雑草最適化 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 侵入雑草最適化アルゴリズム ,  サポートベクトルマシン ,  負荷予測