年用电量预测的PLS-LSSVM模型

doi:10.3778/j.issn.1002-8331.2010.25.065

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 223-225.DOI: 10.3778/j.issn.1002-8331.2010.25.065

年用电量预测的PLS-LSSVM模型

陈高波

武汉工业学院数理科学系，武汉 430023

收稿日期:2009-02-18 修回日期:2009-04-13 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 陈高波

PLS-LSSVM model for long term prediction of annual electricity

CHEN Gao-bo

Department of Mathematics and Physics，Wuhan Polytechnic University，Wuhan 430023，China

Received:2009-02-18 Revised:2009-04-13 Online:2010-09-01 Published:2010-09-01
Contact: CHEN Gao-bo

摘要/Abstract

摘要： 偏最小二乘法通过提取主成分能有效地消除变量间的多重共线性，最小二乘支持向量机能很好地逼近变量间的非线性关系。偏最小二乘与最小二乘支持向量机相结合用于年用电量的预测，充分发挥了两者的优点。对四川省1978～2007年的用电量进行了实证分析，与PLS模型和LSSV模型的预测成果进行了对比，结果表明年用电量预测的PLS-LSSVM模型有较高的精度。

关键词: 偏最小二乘, 支持向量机, 年用电量

Abstract: Multicollinearity among variables can be eliminated by extracting principal components based on PLS.Nonlinear relationship among variables can be approximated by LSSVM.Combination of PLS and LSSVM is used to predict the annual electricity consumption of Sichuan province from the year of 1978 to 2007.The results show that PLS-LSSVM has higher accuracy than PLS and LSSVM.

Key words: partial least square, support vector machine, annual electricity consumption

中图分类号:

TP18

陈高波. 年用电量预测的PLS-LSSVM模型[J]. 计算机工程与应用, 2010, 46(25): 223-225.

CHEN Gao-bo. PLS-LSSVM model for long term prediction of annual electricity[J]. Computer Engineering and Applications, 2010, 46(25): 223-225.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.

年用电量预测的PLS-LSSVM模型

PLS-LSSVM model for long term prediction of annual electricity

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics