基于双参数最小二乘支持向量机（TPA-LSSVM）的风电时间序列预测模型的优化研究

论文摘要

风电时间序列预测模型的优劣直接影响风功率的应用价值,最小二乘支持向量机（least squares support vector machine,LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm,TPA）,从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值,并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明,与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比,TPA算法可以更好地实现LSSVM的参数寻优,TPA-LSSVM模型能有效提高预测精度。

论文目录

文章来源

类型: 期刊论文

作者: 刘云,易松

关键词: 最小二乘支持向量机,时间序列预测,双参数算法,参数寻优

来源: 北京化工大学学报(自然科学版) 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 昆明理工大学信息工程与自动化学院

基金: 国家自然基金(61262040)

分类号: TP18;TM614

DOI: 10.13543/j.bhxbzr.2019.02.015

页码: 97-102

总页数: 6

文件大小: 707K

下载量: 202

相关论文文献

标签：最小二乘支持向量机论文;  时间序列预测论文;  双参数算法论文;  参数寻优论文;