耿鸿冲：基于GA-SVM的风机发电功率预测论文

本文主要研究内容

作者耿鸿冲,张越师（2019）在《基于GA-SVM的风机发电功率预测》一文中研究指出：准确的风机功率预测为电网运行调度提供可靠的依据。本文采用遗传算法优化支持向量机核函数参数及错误惩罚因子等参数,建立了GA-SVM模型,提高了模型参数组合优化选择的效率和预测精度。最后结合实例验证,并与标准SVM方法比较。预测效果表明:所提出的GA-SVM优化模型在风机功率预测上具有更优的学习能力和泛化能力。

Abstract

zhun que de feng ji gong lv yu ce wei dian wang yun hang diao du di gong ke kao de yi ju 。ben wen cai yong wei chuan suan fa you hua zhi chi xiang liang ji he han shu can shu ji cuo wu cheng fa yin zi deng can shu ,jian li le GA-SVMmo xing ,di gao le mo xing can shu zu ge you hua shua ze de xiao lv he yu ce jing du 。zui hou jie ge shi li yan zheng ,bing yu biao zhun SVMfang fa bi jiao 。yu ce xiao guo biao ming :suo di chu de GA-SVMyou hua mo xing zai feng ji gong lv yu ce shang ju you geng you de xue xi neng li he fan hua neng li 。

论文参考文献

[1].一种基于SVM的负载识别算法[J]. 张冬松,马琪. 电子科技.2017(08)

[2].基于多分类支持向量机的评估模型研究[J]. 丛瑞雪. 数学的实践与认识.2017(01)

[3].基于高斯核支持向量机和遗传算法的优化组合研究[J]. 马静,李星野,徐荣. 经济数学.2017(01)

[4].GA优化的SVM在量化择时中的应用[J]. 黄宏运,吴礼斌,李诗争. 南京师范大学学报(工程技术版).2017(01)

[5].基于遗传算法的支持向量机参数优化研究[J]. 李昆仑,张炘,廖频. 电脑知识与技术.2018(09)

[6].基于禁忌遗传算法和支持向量机的网络安全态势预测[J]. 邵伯乐,李洁. 宜春学院学报.2018(12)

[7].粒子群与遗传算法优化支持向量机的应用[J]. 满春涛,刘博,曹永成. 哈尔滨理工大学学报.2019(03)

[8].基于遗传算法优化的支持向量机在变压器故障诊断中应用[J]. 朱超岩,姚晓东. 仪表技术.2019(03)

[9].遗传算法对SVR风速预测模型的多参数优化[J]. 朱霄珣,徐搏超,焦宏超,韩中合. 电机与控制学报.2017(02)

[10].基于改进GA-SVM的智能推荐诊断挂号算法[J]. 陈俊梅,周晋阳,张慧英. 现代电子技术.2017(11)

论文详细介绍

论文作者分别是来自电子测试的耿鸿冲,张越师，发表于刊物电子测试2019年12期论文，是一篇关于功率预测论文,遗传算法论文,支持向量机论文,电子测试2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子测试2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/0e5c4c183955a7f152a05f6b.html