基于混沌特性的支持向量机短期电力负荷预测

基于混沌特性的支持向量机短期电力负荷预测作者：蒋丽峰学位授予单位：长沙理工大学参考文献(66条)1.VapnikTheNatureofStatisticalLearningTheory19992.VladimirNVapnik.张学工统计学习理论的本质20003.张学工关于统计学习理论与支持向量机[期刊论文]-自动化学报2000(1)4.边肇祺.张学工模式识别20005.牟廉明统计学习与支持向量机[期刊论文]-内江师范学院学报2002(6)6.崔伟东.周志华.李星支持向量机研究[期刊论文]-计算机工程与应用2001(1)7.柳回春.马树元支持向量机的研究现状[期刊论文]-中国图象图形学报A辑2002(6)8.刘江华.程君实.陈佳品支持向量机训练算法综述[期刊论文]-信息与控制2002(1)9.PanditSM.吴宪民.李昌滇时间序列及系统分析与应用198810.TMastersNeural,Novel&HybridAlgorithmsforTimeSeriesPrediction199511.康重庆.夏清.刘梅应用于负荷预测中的回归分析的特殊问题[期刊论文]-电力系统自动化1998(10)12.周宏.黄婷.戴韧.陈康民应用于电力需求预测的几种灰色模型[期刊论文]-华东电力2000(5)13.王战铎电力系统负荷的灰色预测199614.吉培荣.胡翔勇.熊冬青对灰色预测模型的分析与评价[期刊论文]-水电能源科学1999(2)15.谢敬东.唐国庆.徐高飞组合预测方法在电力负荷预测中的应用[期刊论文]-中国电力1998(6)16.马玲基于专家系统的短期负荷预测[期刊论文]-华北电力技术1999(4)17.招海丹.余得伟电力负荷短期预测的模糊专家系统修正方法[期刊论文]-广东电力2001(1)18.张昊.吴捷.郁滨电力负荷的模糊预测方法[期刊论文]-电力系统自动化1997(12)19.顾洁.陈章潮.郑家志电力系统负荷预报的模糊理论方法[期刊论文]-上海交通大学学报1999(12)20.耿光飞.郭喜庆模糊线性回归法在负荷预测中的应用[期刊论文]-电网技术2002(4)21.张国忠.熊伟.向求新.黄晓明.刘亚应用人工神经网络预测电力负荷[期刊论文]-电力自动化设备2002(5)22.甘文泉用自适应神经元网络进行电力负荷短期预测1997(03)23.郭新辰.王雪峰.冯英浚采用神经网络进行电力系统短期负荷预测的一种降维方法2002(02)24.金海峰.熊信艮.吴耀武基于级联神经网络的短期负荷预测方法[期刊论文]-电网技术2002(3)25.王家红.黄阿强.熊信艮基于小波网络的短期负荷预测方法[期刊论文]-电力自动化设备2003(3)26.杨晓敏.李红艳.李蔽蔽小波分析在电力系统中的应用前景1999(03)27.姜勇.卢毅电力系统短期负荷预测的模糊神经网络方法[期刊论文]-电力情报2001(4)28.王晓文.梁志珊应用模糊神经网络的短期负荷预测1999(02)29.MullerKR.SmolaAJ.RatschGPredictionTimeSerieswithSupportVectorMachines30.FrancisEHTay.CaoLi-JuanApplicationofsupportvectormachinesinfinancialtimeseriesforecasting200131.BoJuenChenLoadforecastingusingsupportVectormachines:AstudyonEUNITEcompetition200132.查看详情33.CBurgesAtutorialonsupportvectormachinesforPattenrecognition1998(02)34.查看详情35.查看详情36.查看详情37.AlexJSmola.BernhardScholkopfBristolATutorialonSupportvectorRegression199838.Klaus-RobertMuller.SebastianMlka.GunnarRatschAnIntroductiontoKernelbasedLearningAlgorithms2001(02)39.NelloCristianiniDynamicallyAdaptingKernelsmSupportvectorMachines40.姬水旺.姬旺田支持向量机训练算法综述[期刊论文]-微机发展2004(1)41.BoserBE.GuyonIM.VapnikVATrainingmAlgorithmforOptimalMarginClassifiers199242.OsunaE.FreundR.GlfoslFAnimprovedtrainingalgoritmforSupportVctormachines199743.HsuCW.LinCJAsimpledecompositionmethodforsupportvectormachine2002(01)44.JoachlmsTMakinglarge-scaleSVMlearningpractical199845.OsunaE.FreundR.GlroslFTrainingsupprtvectormachines:Anapplicationtofacedetection199746.PlattJCFasttrainingofsupportvectormachinesusingsequentialminimaloptimization199947.孙海云.曹庆杰混沌时间序列建模及预测[期刊论文]-系统工程理论与实践2001(5)48.刘洪.李必强混沌时间序列的预测1996(01)49.叶中行.龙如军混沌时间序列的区间预测1997(02)50.程瑜蓉.郭双冰基于混沌时间序列分析的股票价格预测[期刊论文]-电子科技大学学报2003(4)51.权先璋.蒋传文.张勇传电力负荷的混沌预测方法[期刊论文]-华中理工大学学报2000(7)52.李裕奇随机过程200353.吕金虎.陆君安.陈士华混沌时间序列分析及其应用200254.李冬梅.王正欧基于RBF网络的混沌时间序列的建模与多步预测[期刊论文]-系统工程与电子技术2002(6)55.孙德山.吴今培.肖健华SVR在混沌时间序列预测中的应用[期刊论文]-系统仿真学报2004(3)56.施亿生.谢绍惠船舶电站198157.刘晨晖电力系统负荷预报理论与方法198658.张浩然.韩正之.李昌刚基于支持向量机的非线性模型预测控制[期刊论文]-系统工程与电子技术2003(3)59.崔万照.朱长纯.保文星.刘君华混沌时间序列的支持向量机预测[期刊论文]-物理学报2004(10)60.TakensFDectctingstrangeattractorsinturbulence198161.丁晶.邓育仁.吴伯贤洪水混沌分析199362.林淑真.刘长龄.游保杉日短期负荷时间序列之混沌动力探求1996(02)63.王文均.叶敏.陈显维长江径流时间序列混沌特性的定量分析[期刊论文]-水科学进展1994(2)64.吕金虎.陆君安.陈士华混沌时间序列分析及其应用200265.李眉眉.丁晶.覃光华基于混沌分析的BP神经网络模型及其在负荷预测中的应用[期刊论文]-四川大学学报(工程科学版)2004(4)66.李元诚.方廷健.于尔铿短期负荷预测的支持向量机方法研究[期刊论文]-中国电机工程学报2003(6)相似文献(10条)1.学位论文傅正钢基于统计学习的人工智能在数字游戏和数字娱乐上的应用2004随着计算机技术,网络技术,多媒体技术的迅猛发展以及人们生活质量的提高,数字游戏和数字娱乐已经成为当今计算机技术的一大热点,并已形成了日益巨大的产业.而数字游戏和数字娱乐中的人工智能研究则相对较弱.该文针对人工智能尤其是基于统计学习的人工智能在数字游戏和数字娱乐中的应用,做了一些较为深入的研究,提出了一些有实际意义的新方法和新思路.在纵览了人工智能在数字游戏和数字娱乐中的发展变革,并列举了一些与目前或将来的游戏关系密切的主流人工智能,讨论了游戏设计与人工智能的关系之后,提出了游戏中的人工智能是语境相关的观点,特别指出了机器学习的方法有其较为特殊和重要的地位.传统统计学研究的是样本数目趋于无穷大时的渐近理论,与传统统计学相比,支持向量机是专门在小样本情况下的一个很强大的机器学习算法.使用支持向量机方法可以同时减少经验风险和置信范围.该文提出了可用支持向量机来解决数字游戏和娱乐中的一些智能问题.电脑围棋则是当今人工智能领域的一大难题,我们藉着分析人类下棋的思考模式来说明了一般电脑围棋程序的制作方法.我们列举了一些著名的围棋程序,讨论了他们的特点和不足.提出了基于统计学习的方法的电脑围棋程序.最后的实验结果表明,用这种基于统计学习的方法来解决电脑围棋问题是非常合理的,更重要的是它提供了一种重要的思路.多媒体内容的自动识别是数字娱乐中非常重要的一门技术.我们实现了一个能够实时自动识别带有爆炸内容视频片断的系统.该文提出了一个在实时环境下使用基于听觉和视觉的分层模型对MPEG多媒体数据流中的爆炸场景在压缩域进行识别的算法.这种方法可以扩展到其它类型的媒体中去.2.期刊论文林继鹏.刘君华.LINJi-peng.LIUJun-hua基于统计学习预测技术提高传感器稳定度-传感器与微系统2008,27(9)针对传感器的输出随温度和电源的波动以及自身的某些特性的改变等因素而发生零点漂移现象,提出了一种对以上非目标量进行预测处理以消除它们对传感器输出影响的支持向量机(SVM)预测技术.这种方法不需要建立大量的观测样本,也不需要对观测样本进行特征提取就可以取得良好的改善效果,具有较好的实用价值.以2只半导体传感器为研究对象的测试结果表明:利用该方法使稳定性提高了6倍.同时,提出了2种优化算法:增量样本法和降一阶算法.3.学位论文刘亭基于统计学习的鱼龄识别方法的研究2008鱼的年龄知识是鱼类资源评估和管理的一个重要考核指标，传统年龄估计方法就是鱼类科学家根据耳石内钙化形成的结构来判断鱼的年龄，但由于耳石的形成、发育受许多因素的影响，例如：季节的变化、温度、栖息地和饮食等，耳石的结构具有其自身的特点，人工通过耳石判断鱼类的年龄只有经验丰富的鱼类专家才能解释，即便如此，也会产生不精确的年龄估计问题。所以通过人工识别鱼的年龄仍然是一个费时、费力的难题。诸多因素决定了对鱼龄识别自动化的迫切需要。运用图像处理、模式识别等学科知识，开发出计算机辅助鱼龄自动识别系统有很大的应用价值。br　　依据鱼的耳石图像对鱼的年龄进行解释和识别是目前鱼类年龄的研究热点，对耳石图像进行有效的特征选择和分类识别在鱼龄识别系统的开发研究中占有重要的地位。本文结合耳石图像的特点，提出了基于主成分分析(PCA)和核主成分分析(KPCA)的特征选择方法，并结合模式识别的分类原理、比较各种可用于模式识别的分类决策方法，提出了基于支持向量机(SVM)和概率支持向量机(PPSVM)的分类算法。具体包括：br　　1.基于PCA和SVM的鱼龄识别方法。该方法首先获得鱼的耳石图像的特征，然后通过主成分分析的方法来提取这些特征的主元，接着将这些主元输入到支持向量机中进行训练，然后通过支持向量机来对鱼的分类结果进行决策。br　　2.基于KPCA和SVM的鱼龄识别方法。与主成分分析的方法不同的是该方法通过br　　核主成分分析的方法来提取鱼的耳石图像特征的主元，然后用支持向量机对鱼的年龄进行分类。实验证明核主成分分析的方法可以得到更好的识别效果。br　　3.基于KPCA和概率支持向量机(PPSVM)的鱼龄识别方法。该方法将概率应用到支持向量机中去，使得支持向量机的分类结果具有概率特性，不仅能得到样本所属的类，而且还能得到属于该类的概率。4.期刊论文熊敏支持向量机及其在提高采收率潜力预测中的应用-数学的实践与认识2004,34(5)提高采收率潜力分析的基础是进行提高