期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PSO-ELM组合算法的热力站负荷预测研究
1
作者
马文菁
郭晓杰
+3 位作者
曹姗姗
孙春华
夏国强
齐承英
《暖通空调》
2024年第3期157-162,共6页
提出了一种粒子群优化极限学习机(PSO-ELM)算法用于热力站负荷预测,应用粒子群(PSO)算法优化极限学习机(ELM)的输入权值和隐含层阈值。将提出的组合算法应用于天津市某小区热力站的负荷预测中,并与ELM、支持向量回归(SVR)和粒子群优化...
提出了一种粒子群优化极限学习机(PSO-ELM)算法用于热力站负荷预测,应用粒子群(PSO)算法优化极限学习机(ELM)的输入权值和隐含层阈值。将提出的组合算法应用于天津市某小区热力站的负荷预测中,并与ELM、支持向量回归(SVR)和粒子群优化支持向量回归(PSO-SVR)算法在同等条件下进行比较。结果表明,PSO-ELM在预测精度上优于其他算法;在热负荷波动较大时,表现优于PSO-SVR;在一定范围内样本容量对预测结果影响不大,PSO-ELM可遗忘更多的数据。
展开更多
关键词
热力站
热负荷预测
极限学习机
粒子群优化
负荷波动
训练集样本容量
下载PDF
职称材料
题名
基于PSO-ELM组合算法的热力站负荷预测研究
1
作者
马文菁
郭晓杰
曹姗姗
孙春华
夏国强
齐承英
机构
河北工业大学
出处
《暖通空调》
2024年第3期157-162,共6页
基金
河北省高等学校科学技术研究项目“基于多元时序数据挖掘的供热系统用能模式识别与诊断研究”(编号:QN2021212)。
文摘
提出了一种粒子群优化极限学习机(PSO-ELM)算法用于热力站负荷预测,应用粒子群(PSO)算法优化极限学习机(ELM)的输入权值和隐含层阈值。将提出的组合算法应用于天津市某小区热力站的负荷预测中,并与ELM、支持向量回归(SVR)和粒子群优化支持向量回归(PSO-SVR)算法在同等条件下进行比较。结果表明,PSO-ELM在预测精度上优于其他算法;在热负荷波动较大时,表现优于PSO-SVR;在一定范围内样本容量对预测结果影响不大,PSO-ELM可遗忘更多的数据。
关键词
热力站
热负荷预测
极限学习机
粒子群优化
负荷波动
训练集样本容量
Keywords
heat substation
heating load prediction
extreme learning machine(ELM)
particle swarm optimization(PSO)
load fluctuation
training set sample size
分类号
O15 [理学—基础数学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PSO-ELM组合算法的热力站负荷预测研究
马文菁
郭晓杰
曹姗姗
孙春华
夏国强
齐承英
《暖通空调》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部