文献

J-GLOBAL ID：202002211689486727   整理番号：20A0692745

データ次元低減と特徴解析のためのGOA-LSSVM短期負荷予測【JST・京大機械翻訳】

Study on Short Term Load Prediction Based on GOA-LSSVM and Data Lowering Dimensions Analysis

著者 (4件)： Zou Shifu (国网四川省電力公司,成都,610041) ,  Li Jiazhou (国网四川省電力公司信息通信公司,成都,610041) ,  Mao Qijun (国网四川省電力公司信息通信公司,成都,610041) ,  Song Mingjun (四川中電啓明星信息技術有限公司,成都,610041)
資料名： Shiyanshi Yanjiu yu Tansuo  (Shiyanshi Yanjiu yu Tansuo)
巻： 38  号： 11  ページ： 38-41,55  発行年： 2019年 
JST資料番号： W1514A  ISSN： 1006-7167  CODEN： SYYTAZ  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： データ次元縮小と特徴分析に基づくGOA-LSSVM負荷予測法を提案した。主成分分析(PCA)を用いて,負荷に影響する要因を,データ次元縮小および特性表示によって,解析し,そして,LSSVM予測結果が,パラメータ組合せCおよびgによって影響を受け,そして,LSSVMモデルパラメータを,適応的に選択した。研究結果は,GOA-LSSVMと比較して,提案したアルゴリズムが効果的に負荷予測精度を改善して,データ次元縮小と特徴表現によってデータ冗長性と影響因子の間の相関関係を除去できて,負荷予測モデルの複雑さを単純化するのを示している。そして,予測モデルの速度を改善した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 主成分分析 ,  簡素化 ,  冗長性 ,  予測モデル ,  *負荷予測 ,  アルゴリズム ,  *次元縮小
準シソーラス用語： 影響因子 ,  特徴表現 ,  モデルパラメータ ,  特徴分析 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 次元低減 ,  特徴解析 ,  短期 ,  負荷予測