期刊文献+

基于最小二乘支持向量回归的短期用水量预测

下载PDF
导出
摘要 将最小二乘支持向量机(LSSVM)回归方法用于短期用水量的预测,对传统参数选择方法进行改进,提出通过分层交叉验证来确定最优参数,构建短期(日)用水量等维信息一步预测模型。将试验结果与季节性指数平滑法进行了比较分析,表明了该方法用于短期用水量预测的可行性和有效性。
出处 《给水排水》 CSCD 北大核心 2008年第S1期329-332,共4页 Water & Wastewater Engineering
基金 国家自然科学基金(50778009)
  • 相关文献

参考文献5

二级参考文献33

  • 1俞亭超,柳景青,张土乔.改进支持向量机的管网状态模型[J].浙江大学学报(工学版),2005,39(6):858-862. 被引量:6
  • 2ZHOU S L,MCMAHON T A,WALTON A,et al.Forecasting operational demand for an urban water supply zone[J].Journal of Hydrology,2002,259:189-202.
  • 3VAPNIK V N.The Nature of Statistical Learning Theory[M].New York:Springer-Verlag,1995.
  • 4VAPNIK V N.Statistical Learning Theory[M].New York:Wiley,1998:493-520.
  • 5CAMPBELL C.Algorithmic approaches to training support vector machines:a survey[C]// Proceed ings of European Symposium on Artificial Neural Networks.Bruges,Belgium:[s.n.],2000:8-17.
  • 6Graaf J M, Meester-Broertjes H A, Bruggeman W A, et al. Sustainable technological development for urban-water cycles[J]. Water Science and Technology, 1997,35(10): 213-220.
  • 7Zhou S L, McMahon T A, Walton A, et al. Forecasting operational demand for an urban water supply zone[J]. Journal of Hydrology, 2002,259(3): 189-202.
  • 8El-Keib A, Ma X, Ma H. Advancement of statistical based modeling techniques for short-term load forecasting[J]. Electric Power Systems Research, 1995,35(1):51-58.
  • 9Al-Kandarl A M, Soliman S A, El-Hawary M E. Fuzzy short-term electric load forecasting[J]. Electrical Power and Energy Systems ,2004,26(2): 111-122.
  • 10Kalogirou S A. Applications of artificial neural-networks for energy systems[J]. Applied Energy, 2000,67(1): 17-35.

共引文献68

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部