共查询到20条相似文献，搜索用时 31 毫秒
1.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
2.
微博热点话题预测是一类小样本、不确定性的复杂预测问题,传统线性方法不能刻画微博热点话题的变化规律,神经网络存在过拟合、泛化能力不强等缺陷.为了提高微博热点话题的预测精度,提出了一种改进量子粒子群(QPSO)算法优化LSSVM的微博热点话题预测模型(MQPSO-LSSVM).首先采用MQPSO算法优化LSSVM的参数,然后将优化后的LSSVM对微博热点话题变化趋势进行建模,最后选取具体微博热点话题数据进行仿真实验.实验结果表明,MQPSO-LSSVM提高了微博热点话题的预测精度,预测结果具有一定实用价值. 相似文献
3.
4.
火灾的发生具有不确定性,传统线性模型难对该类典型非线性预测问题进行准确预测.为了提高火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,ACO对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:ACO-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,准确地刻画了火灾的复杂性、非线性变化的特点. 相似文献
5.
准确预测云资源短期负载对提高云平台资源管理效率、保障云服务质量至关重要。针对传统模型在面对小样本、非线性云资源负载数据时预测精度不高，提出一种基于变分模态分解(VMD)和改进麻雀搜索算法(ISSA)优化最小二乘支持向量机(LSSVM)的云资源短期负载预测模型。将原始负载数据通过VMD分解成多个相对平稳的模态分量；对麻雀搜索算法进行优化，增强种群多样性，提高寻优性能和收敛速度。利用改进麻雀搜索算法优化LSSVM的关键参数，建立VMD-ISSA-LSSVM预测模型。利用Wikipedia网站的云资源负载数据进行仿真，结果表明，所提模型在预测精度上优于参照模型。 相似文献
6.
针对车载电池SOC难以精确预测的问题,提出以CPSO算法优化LSSVM模型参数,避免了参数选择的盲目性,提高了测量精度及泛化能力。利用ADVISOR软件采集车载电池各项性能参数,其中,电流、电压及温度数据作为CPSO-LSSVM预测模型的输入,SOC作为预测模型的输出。验证结果表明:CPSOLSSVM相比PSO-LSSVM预测模型预测最大绝对误差降低了3.06%,平均相关误差降低了0.35%,为车载电池SOC的预测提供一新方法。 相似文献
7.
8.
随着经济的不断发展,用电量的急剧增加,短期预测成为各个供电部门一个不可或缺的部分。电力负荷受多种因素影响,针对短期负荷预测,提出一种考虑各种影响因素的新算法,该方法首先利用模糊C均值聚类方法对历史样本进行聚类,依据输入样本的相似度选取训练样本,然后在选取的样本上,利用遗传算法实现负荷影响因素的提取和支持向量机参数的选择,最后利用支持向量机建立预测模型。采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性。 相似文献
9.
为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。 相似文献
10.
针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。 相似文献
11.
12.
随着我国居民收入的不断提高及理财意识的不断增强,消费者对互联网理财需求越来越多,但目前关于消费者购买互联网理财产品影响因素以及购买意向预测的研究还很少。为了准确挖掘消费者购买理财产品的影响因素,并在此基础上对购买意向进行预测,首先依托消费者购买理财产品数据,运用主成分分析法挖掘其中潜在的、有价值的消费者信息;然后使用PCA对网络进行降维,将主成分模拟到BP神经网络中建立购买互联网理财产品预测模型;最后对预测进行实证分析。分析结果显示构造的PCA-BP神经网络预测模型训练样本结果准确率达83.61%,测试样本准确率达80.12%,具有较好的泛化能力和预测精度,可用于对消费者购买理财产品进行分析和预测。 相似文献
13.
14.
为提高销售预测准确率,提出一种基于改进 XGBoost 的销售预测方法。首先对销售量影响因素进行特征分析,通过改进灰色关联分析方法对训练数据进行降维处理|然后采用基于 XGBoost 算法的销售预测方法对降维后的特征数据进行监督训练|最后使用训练后的模型对销售情况进行预测评估。实验结果表明,基于灰色关联分析和 XGBoost 模型的销售预测方法正确率达到 95%以上,比传统的经典预测方法提高 35%以上,比 XG?Boost 预测方法提高 19.6%。基于灰色关联分析与 XGBoost 模型的销售预测方法不仅能有效处理海量数据,提高销售预测准确率,还能为制造企业实现产品精准投放提供决策依据。 相似文献
15.
利用主成分分析(PCA)对影响因子进行筛选后,再利用LSSVM进行建模和预测,由此得到了一种新的时间序列预测模型(PCA-LSSVM)。以甘肃省天水市的胆囊炎发病率为例,应用PCA-LSSVM预测模型进行实证分析,结果表明,此模型的预测精度优于PCA-MLR,ARIMA,LSSVM等参比模型。 相似文献
16.
建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。 相似文献
17.
利用傅立叶级数对散点小行星光变数据进行曲线拟合,以获得小行星表示参数,选取傅立叶级数为6的拟合方式对单体或双体小行星光变曲线进行分类,并用机器学习算法中的SVM和决策树建立预测模型。检验结果表明,SVM模型对单体和双体小行星的预测正确率达到95%,相较于决策树正确率提高了10%,为从小行星实际观测数据直接推测双体小行星潜在相关应用提供了参考。 相似文献
18.
技术指标广泛应用于股票市场的预测分析,不同特征组合对预测效果产生不同影响。为了提高股票趋势预测的准确度,提出一种两层特征选取及预测方法。第一层特征选取以特征子集区分度衡量准则——DFS为评价标准,第二层特征选取以分类器分类效果为评价准则,两层特征选取均采用二进制粒子群（BPSO）算法对特征空间进行搜索。通过第一层特征选取可以高效剔除部分非预测相关特征,在保留预测特征集信息的基础上缩小特征集规模|第二层特征选取可以准确选择出具有较好预测效果的特征子集。实验数据为2015～2016年上海证券综合指数,结果表明,DFS BPSO SVM预测模型相比于其它4种特征选取及预测模型,具有更好的预测效果。 相似文献
19.
20.
公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。 相似文献