为了提高短期负荷预测精度,文中提出一种基于小波分析,粒子群优化(PSO)算法,最小二乘支持向量机(LSSVM)和长短时记忆网络(LSTM)的预测模型.该方法通过对用电负荷进行小波分解和重构得到与原始数据长度相同的分量,对低频分量建立LSSVM预测模型并利用PSO算法找出最优参数,对高频分量建立LSTM预测模型,将各分量预测结果组合...
下载地址:http://www.lfd.uci.edu/~gohlke/pythonlibs/#scikit-umfpack2.由于本人python版本是3.6.3,操作系统是64位的,所以下载对应的libsvm为libsvm-3.22-cp36-cp36m-win_amd64.whl。 3.打开anaconda prompt,进入文件所在路径,使用pip安装libsvm-3.22-cp36-cp36m-win_amd64.whl。 pip install libsvm-3.22...
为了实现对大量的网络信息的正确分类以便使用户迅速获取所需信息,提出一种新的网页内容分类算法,该算法将粒子群算法(PSO)与最小二乘支持向量机(LSSVM)结合起来,利用粒子群算法良好的寻优能力优化LSSVM的分类性能。在由新闻网页文本构成的数据集上的仿真实验结果表明,PSO和LSSVM融合的算法能够有效提高LSSVM的分类性能,...
开始创建并训练LSTM: # 创建并训练LSTM import tensorflowastffromtensorflow.keras.models import Sequentialfromtensorflow.keras.layers import LSTM,Dense,Dropout model=Sequential() # 第一层,激活函数选择‘relu’ model.add(LSTM(units=32, input_shape=(X_4.shape[1], X_4.shape[2]))) model.add(Dropou...
Least-square boost random forest (LSBoostRF)The present research introduces a robust approach for predicting the maximum dry density (MDD) and optimum moisture\ncontent (OMC) of compacted soil by comparing models based on least-square support vector machine (LSSVM), long shortterm\nmemory (LSTM...
为了实现对大量的网络信息的正确分类以便使用户迅速获取所需信息,提出一种新的网页内容分类算法,该算法将粒子群算法(PSO)与最小二乘支持向量机(LSSVM)结合起来,利用粒子群算法良好的寻优能力优化LSSVM的分类性能。在由新闻网页文本构成的数据集上的仿真实验结果表明,PSO和LSSVM融合的算法能够有效提高LSSVM的分类性能,...