优化SVM在锅炉负荷预测中的应用

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

优化SVM在锅炉负荷预测中的应用

陈其松, 陈孝威, 张欣, 吴茂念

文章导航 > 电子科技大学学报 > 2010 > 39(2): 316-320

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[J]. 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

引用本文:

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[J]. 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

CHEN Qi-song, CHEN Xiao-wei, ZHANG Xin, WU Mao-nian. Optimal Support Vector Machine Model for Boiler Load Forecasting[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

Citation:

CHEN Qi-song, CHEN Xiao-wei, ZHANG Xin, WU Mao-nian. Optimal Support Vector Machine Model for Boiler Load Forecasting[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

优化SVM在锅炉负荷预测中的应用

doi: 10.3969/j.issn.1001-0548.2010.02.035

1.
贵州大学计算机科学与技术学院贵阳 550025;
2.
贵州省光电子技术与应用重点实验室贵阳 550025

基金项目:

贵州省自然科学基金(黔科合字20072004);贵州省省长专项资金(黔省专合字(2007)14号)

作者简介:
陈其松(1974-)，男，博士生，副教授，主要从事信号处理、自动控制、网络与通讯技术等方面的研究.

中图分类号: TP301.1;TP18

Optimal Support Vector Machine Model for Boiler Load Forecasting

1.
School of Computer Science and Technology,Guizhou University Guiyang 550025;
2.
Guizhou Key Laboratory for Photoelectric Technology and Application Guiyang 550025

摘要: 提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪；利用核主成分分析方法提取数据特征；采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测，实验结果表明，该优化算法预测精度较高，收敛速度较快，泛化性能优于其他预测方法，且工程实现容易。
- 预测 /
- 核主成分分析 /
- 优化 /
- 量子粒子群算法 /
- 支持向量机
Abstract: Intelligently optimal support vector machine (SVM) were introduced in electric utility boiler to improve short-term load forecasting accuracy and generalization ability. Wavelet transform is adopted to filter noise in training and testing data set. Kernel principle component analysis is used in feature selection. Then quantum-behaved particle swarm algorithm is chosen to determinate optimal hyper-parameter in SVM. This optimal algorithm has been tested on power plant and the results show that the prediction can get higher precision and convergence speed.
- forecasting /
- kernel principle component analysis /
- optimization /
- quantum-behaved particle swarm algorithm /
- support vector machines

[1]	黄峻嘉, 张琪, 赵娜, 李蓉, 苏宇涵, 周涛. 基于近视筛查数据的近视影响因素分析和近视预测 . 电子科技大学学报, 2021, 50(2): 256-260. doi: 10.12178/1001-0548.2020426
[2]	张强, 李盼池, 王梅. 基于自适应进化策略的人工蜂群优化算法 . 电子科技大学学报, 2019, 48(4): 560-566. doi: 10.3969/j.issn.1001-0548.2019.04.013
[3]	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
[4]	唐东明, 卢显良. 用于网络编码优化的改进量子进化算法 . 电子科技大学学报, 2015, 44(2): 215-220. doi: 10.3969/j.issn.1001-0548.2015.02.010
[5]	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
[6]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[7]	王晓, 刘小芳. 基于NSVM的核空间训练数据减少方法 . 电子科技大学学报, 2013, 42(4): 592-596. doi: 10.3969/j.issn.1001-0548.2013.04.012
[8]	左琳. 序列最小优化工作集选择算法的改进 . 电子科技大学学报, 2013, 42(3): 448-451. doi: 10.3969/j.issn.1001-0548.2013.03.025
[9]	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
[10]	滕云龙, 师奕兵, 郑植. 接收机钟差灰色马尔可夫预测模型研究 . 电子科技大学学报, 2011, 40(2): 242-245. doi: 10.3969/j.issn.1001-0548.2011.02.017
[11]	李星毅, 李奎, 施化吉, 周双全. 背景值优化的GM(1,1)预测模型及应用 . 电子科技大学学报, 2011, 40(6): 911-914. doi: 10.3969/j.issn.1001-0548.2011.06.020
[12]	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
[13]	陈世杰, 连可, 王厚军. 遗传算法优化的SVM模拟电路故障诊断方法 . 电子科技大学学报, 2009, 38(4): 553-558. doi: 10.3969/j.issn.1001-0548.2009.04.019
[14]	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
[15]	黄建国, 罗航, 王厚军, 龙兵. 运用GA-BP神经网络研究时间序列的预测 . 电子科技大学学报, 2009, 38(5): 687-692. doi: 10.3969/j.issn.1001-0548.2009.05.028
[16]	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.
[17]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[18]	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.
[19]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[20]	程瑜蓉, 郭双冰. 基于混沌时间序列分析的股票价格预测 . 电子科技大学学报, 2003, 32(4): 469-472.

WeChat

点击查看大图

计量

文章访问数: 3455
HTML全文浏览量: 133
PDF下载量: 45
被引次数: 0

优化SVM在锅炉负荷预测中的应用

doi: 10.3969/j.issn.1001-0548.2010.02.035

1. 贵州大学计算机科学与技术学院贵阳 550025;

2. 贵州省光电子技术与应用重点实验室贵阳 550025

基金项目:

贵州省自然科学基金(黔科合字20072004);贵州省省长专项资金(黔省专合字(2007)14号)

作者简介:
陈其松(1974-)，男，博士生，副教授，主要从事信号处理、自动控制、网络与通讯技术等方面的研究.

收稿日期: 2008-10-06
修回日期: 2009-05-12
刊出日期: 2010-04-15

中图分类号: TP301.1;TP18

关键词:

摘要: 提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪；利用核主成分分析方法提取数据特征；采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测，实验结果表明，该优化算法预测精度较高，收敛速度较快，泛化性能优于其他预测方法，且工程实现容易。

English Abstract

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[J]. 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

引用本文:

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[J]. 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

CHEN Qi-song, CHEN Xiao-wei, ZHANG Xin, WU Mao-nian. Optimal Support Vector Machine Model for Boiler Load Forecasting[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

Citation:

CHEN Qi-song, CHEN Xiao-wei, ZHANG Xin, WU Mao-nian. Optimal Support Vector Machine Model for Boiler Load Forecasting[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035

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