新型支持向量机在风速预测模型中的应用研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

新型支持向量机在风速预测模型中的应用研究

文章导航 > 电子科技大学学报 > 2014 > 43(5): 754-757

刘忠宝. 新型支持向量机在风速预测模型中的应用研究[J]. 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

引用本文:

刘忠宝. 新型支持向量机在风速预测模型中的应用研究[J]. 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

LIU Zhong-bao. Research on Wind Speed Forecasting Model Based on Novel Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

Citation:

LIU Zhong-bao. Research on Wind Speed Forecasting Model Based on Novel Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

新型支持向量机在风速预测模型中的应用研究

doi: 10.3969/j.issn.1001-0548.2014.05.021

刘忠宝

1.
中北大学计算机与控制工程学院太原 030051

基金项目:

国家自然科学基金(61202311)

作者简介:
刘忠宝(1981-),男,博士,主要从事模式识别与机器学习方面的研究.

中图分类号: TP391

Research on Wind Speed Forecasting Model Based on Novel Support Vector Machine

LIU Zhong-bao

1.
School of Computer and Control Engineering,North University of China Taiyuan 030051

摘要: 在短期风速预测方面支持向量机已被广泛应用并取得较好的效果. 然而, 随着应用的深入, 其逐渐暴露出两大问题: 一, 对噪声较为敏感; 二, 未能充分利用样本已有信息. 为进一步提高支持向量机的泛化能力, 该文提出模糊流形支持向量机FMSVM. 该方法引入模糊技术, 保证不同样本区别对待, 减少或消除噪声的影响; 充分利用流形判别分析的性质, 进一步改进支持向量机, 在分类决策时同时考虑样本的边界信息、分布特征以及局部流形结构. 通过某风场风速数据集上的比较实验验证该方法的有效性.
- 模糊隶属度 /
- 流形判别分析 /
- 支持向量机 /
- 风速预测
Abstract: Support vector machine (SVM) is widely used in wind speed forecasting and the forecasted results are verified well. With the applications get more intensive, there exist two problems in SVM. One is it is too sensitive to noises and the other is it can not fully use the information included in the samples. In view of this, a fuzzy manifold-based support vector machine (FMSVM) is proposed in this paper to solve the above problems and further improve the generalization capability of SVM. FMSVM introduces the fuzzy techniques to decrease the influence of the noises. Meanwhile, FMSVM takes boundary data between classes, data distributions and manifold seriously. The comparative experiments show that FMSVM performs better than SVM on the wind datasets of a certain wind farm.
- fuzzy membership function /
- manifold discriminant anaysis (MDA) /
- SVM /
- wind speed forecasting

[1]	周雨薇, 岳鹏, 黄健. CISI2.0：更好的抗体交叉或自身相互作用预测工具 . 电子科技大学学报, 2021, 50(5): 659-666. doi: 10.12178/1001-0548.2021209
[2]	刘飚, 潘扬, 许盛伟, 李佳丽, 封化民. 基于集成学习的功耗分析研究 . 电子科技大学学报, 2019, 48(2): 253-258. doi: 10.3969/j.issn.1001-0548.2019.02.015
[3]	黄一鸣, 雷航, 周瑞, 桑楠. 基于手机传感器的握持方式判断及运动状态识别 . 电子科技大学学报, 2017, 46(2): 399-406. doi: 10.3969/j.issn.1001-0548.2017.02.014
[4]	王亦雷, 嵇智源, 夏勇, 秦臻, 程红蓉. 移动用户人口统计信息预测 . 电子科技大学学报, 2015, 44(6): 917-920. doi: 10.3969/j.issn.1001-0548.2015.06.021
[5]	张静, 刘忠宝. 基于流形判别分析的全局保序学习机 . 电子科技大学学报, 2015, 44(6): 911-916. doi: 10.3969/j.issn.1001-0548.2015.06.020
[6]	蒋伟雄, 刘华生, 廖坚, 廖云杰, 唐艳, 王维. 多变量模式分析在反社会人格障碍中的应用 . 电子科技大学学报, 2014, 43(2): 296-300. doi: 10.3969/j.issn.1001-0548.2014.02.027
[7]	何海江. 截断误差的光滑型支持向量顺序回归 . 电子科技大学学报, 2014, 43(1): 131-136. doi: 10.3969/j.issn.1001-0548.2014.01.022
[8]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[9]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[10]	陈其松, 陈孝威, 张欣, 吴茂念. 优化SVM在锅炉负荷预测中的应用 . 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035
[11]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[12]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[13]	孙永奎, 陈光礻禹, 李辉. 灵敏度分析和SVM诊断模拟电路故障的方法 . 电子科技大学学报, 2009, 38(6): 971-974. doi: 10.3969/j.issn.1001-0548.2009.06.016
[14]	唐艳, 柳建新, 龚安栋. ICA+CSSD的脑-机接口分类 . 电子科技大学学报, 2008, 37(3): 466-469.
[15]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[16]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[17]	万群, 王伟, 黄际彦, 宋玉梅. 模糊支持向量机的非直达波抑制算法 . 电子科技大学学报, 2008, 37(6): 803-806.
[18]	祝金荣, 胡望斌. 聚类电价预测方法研究 . 电子科技大学学报, 2007, 36(6): 1278-1281.
[19]	王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法 . 电子科技大学学报, 2007, 36(3): 583-586.
[20]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.

WeChat

点击查看大图

计量

文章访问数: 4460
HTML全文浏览量: 103
PDF下载量: 49
被引次数: 0

新型支持向量机在风速预测模型中的应用研究

doi: 10.3969/j.issn.1001-0548.2014.05.021

刘忠宝

1. 中北大学计算机与控制工程学院太原 030051

基金项目:

国家自然科学基金(61202311)

作者简介:
刘忠宝(1981-),男,博士,主要从事模式识别与机器学习方面的研究.

收稿日期: 2013-06-26
修回日期: 2014-01-30
刊出日期: 2014-10-15

中图分类号: TP391

关键词:

摘要: 在短期风速预测方面支持向量机已被广泛应用并取得较好的效果. 然而, 随着应用的深入, 其逐渐暴露出两大问题: 一, 对噪声较为敏感; 二, 未能充分利用样本已有信息. 为进一步提高支持向量机的泛化能力, 该文提出模糊流形支持向量机FMSVM. 该方法引入模糊技术, 保证不同样本区别对待, 减少或消除噪声的影响; 充分利用流形判别分析的性质, 进一步改进支持向量机, 在分类决策时同时考虑样本的边界信息、分布特征以及局部流形结构. 通过某风场风速数据集上的比较实验验证该方法的有效性.

English Abstract

刘忠宝. 新型支持向量机在风速预测模型中的应用研究[J]. 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

引用本文:

刘忠宝. 新型支持向量机在风速预测模型中的应用研究[J]. 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

LIU Zhong-bao. Research on Wind Speed Forecasting Model Based on Novel Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

Citation:

LIU Zhong-bao. Research on Wind Speed Forecasting Model Based on Novel Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发