基于相似日理论和LIBSVM软件中SVR算法的光伏发电系统输出功率预测方法

由于光伏发电具有间歇性、波动性的特点,因此准确预测并网型光伏发电系统的输出功率对电网调度,以及电网的安全稳定和经济高效运行具有重要意义。提出了一种基于相似日理论和LIBSVM软件中支持向量机回归(SVR)算法的光伏发电系统输出功率预测方法。通过实例进行仿真验算,并与同样采用相似日理论的反向传播(BP)神经网络算法、径向基(RBF)神经网络算法和Elman神经网络算法进行比较,证明了此预测方法的有效性。

基于支持向量机的工程项目风险预测研究

风险预测是工程项目风险管理的重要基础,本文在介绍支持向量机(SVM)基本原理的基础上,探讨了基于支持向量机的项目风险预测算法,根据以往同类工程项目的数据作为学习样本,来识别待研究项目的风险类别,从而做出项目风险水平的预测。本文同时也说明了Libsvm软件在项目风险预测方面的应用。

支持向量机算法的研究及其实现

支持向量机已成为现在数据挖掘中的研究热点。本文系统地研究分析了C-SVM、v-SVM、One-class SVM三种分类算法以及ε-SVR、v-SVR两种回归算法,应用实际数据仿真验证了算法的有效性,且从参数选择、分类精度、均方误差等方面确定了五种算法各自的优缺点及适用范围。

基于支持向量机的室内轰燃预测模型研究

为对室内轰燃进行准确预测,针对室内轰燃样本的不足在一定程度上制约了其应用,为此运用SVM技术构建室内轰燃预测的数学模型。在小样本条件下,应用工具软件LIBSVM进行仿真,并将SVM模型预测结果和人工神经网络预测结果进行对比。结果显示,SVM技术能较好地解决小样本和模型预测精确度之间的矛盾,SVM模型其预测精度及可行性高于神经网络模型。实例表明,由于室内火灾受多种因素影响,传统的预测方法存在一定的局限性,而SVM模型预测法预测的结果与试验结果比较一致。

循环流化床锅炉床温及床压建模

为了优化循环流化床(CFB)锅炉床温及床压控制,根据对床温、床压与一次风量和回料阀开度关系特性的分析,利用Libsvm软件包建立了基于支持向量机(SVM)算法的CFB锅炉床温及床压模型,并采用Matlab软件和300 MW机组CFB锅炉运行数据对所建模型进行了验证。结果表明,该模型具有较好的准确性以及较强的泛化能力。