对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排,从而降低能耗.本课题提出了一种粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)相结合(PSO-LSSVM)的短期电力负荷预测方法,该方法可对造纸厂未来每30 min的电力负荷进行预测.结果表明,采用PSO-LSSVM算法对短期电力负荷进行预测时,预测结果的相对百分误...
为此,提出一种改进型的PSO-LSSVM(基于粒子群优化的最小二乘支持向量机)算法模型应用到校直行程的预测过程中。首先通过分析提取影响校直行程的相关因素,然后将这些影响因素与成功校直数据作为算法模型的输入样本进行训练,得到一个能可靠预测校直行程的PSO-LSSVM模型。通过对测试样本的数据分析...
在分析最小二乘支持向量机建模特点的基础上提出了利用PSO-SA优化的一种空调负荷预测算法.该方法利用粒子群一模拟退火方法对最小二乘支持向量机的参数进行优化选择,提高模型的精度和泛化能力.通过空调负荷预测建模的结果表明,该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为实现...
针对电子舌输出信号特点,采用离散小波变换(DWT)作为特征提取方法对输出信号预处理。在此基础上,采用粒子群优化最小二乘支持向量机(PSO-LSSVM)对不同存储年限的普洱茶进行分类鉴别。实验表明,与传统机器学习模型相比,DWT-PSO-LSSVM模型对普洱茶存储年限的分类效果更优,其精确率(Precision)、召回率(Recall)...
影响NOx生成的数据类型繁多,变量之间存在很强的耦合性,而使用互信息对变量进行筛选,在考虑到主导变量与辅助变量间最大的相关性的同时,降低了选取的辅助变量间的冗余性.将互信息法筛选出来的辅助变量作为PSO-LSSVM模型的输入,经Matlab仿真模拟,并将此模型与未经互信息进行变量筛选的PSO-LSSVM模型进行比较,表...
摘要 针对现有变压器绕组热点温度预测方法中存在的不足,采用收缩因子对粒子速度更新方式进行改进,保证PSO算法前期的全局搜索能力和后期的局部寻优能力,提高了算法的收敛性能;利用改进PSO对LSSVM参数进行寻优,建立基于改进PSO-LSSVM的变压器绕组热点温度预测模型.利用实际监测数据进行仿真分析,改进PSO-LSSVM的变压器绕组热点温...