针对电力负荷随机性、波动性以及非线性因素所导致预测精度不高等问题,提出了一种基于变分模态分解(VMD)与麻雀搜索算法(SSA)优化的最小二乘支持向量机(LSSVM)短期负荷预测模型。该方法首先借助VMD将原始负荷时间序列分解成不同频率的本征模态函数(IMF)和残差分量(Res),然后对各分量建立不同的LSSVM预测模型并利用SSA进...
短期交通流的预测. ⛄ 部分代码 function [Best_pos, Best_score, curve] = SSA(pop, Max_iter, lb, ub, dim, fobj) %% 参数设置 ST = 0.8; % 预警值 PD = 0.2; % 发现者的比列,剩下的是加入者 PDNumber = pop * PD; % 发现者数量 SDNumber = pop - pop * PD; % 意识到有危险麻雀数...
该方法首先借助VMD将原始负荷时间序列分解成不同频率的本征模态函数(IMF)和残差分量(Res),然后对各分量建立不同的LSSVM预测模型并利用SSA进行参数优化,最后将各分量预测值组合得到最终的预测结果。将预测结果与LSSVM、VMD-LSSVM、SSA-LSSVM、VMD-SSA-LSSVM模型预测值对比,得出所提出方法的两组数据MAPE值分别为1.501...