دانلود مقاله ISI انگلیسی شماره 46673
عنوان فارسی مقاله

پیش بینی بار کوتاه مدت با استفاده از یک مدل ترکیبی رگرسیون بردار پشتیبانی مبتنی بر هسته

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46673 2014 8 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Short-term load forecasting using a kernel-based support vector regression combination model
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Energy, Volume 132, 1 November 2014, Pages 602–609

کلمات کلیدی
پشتیبانی رگرسیون بردار (SVR) - الگوریتم اصلاح شده کرم شب تاب (MFA) - پیش بینی بار کوتاه مدت(STLF) - روش اصلاح تطبیقی
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی بار کوتاه مدت با استفاده از یک مدل ترکیبی رگرسیون بردار پشتیبانی مبتنی بر هسته

چکیده انگلیسی

Kernel-based methods, such as support vector regression (SVR), have demonstrated satisfactory performance in short-term load forecasting (STLF) application. However, the good performance of kernel-based method depends on the selection of an appropriate kernel function that fits the learning target, unsuitable kernel function or hyper-parameters setting may lead to significantly poor performance. To get the optimal kernel function of STLF problem, this paper proposes a kernel-based SVR combination model by using a novel individual model selection algorithm. Moreover, the proposed combination model provides a new way to kernel function selection of SVR model. The performance and electric load forecast accuracy of the proposed model are assessed by means of real data from the Australia and California Power Grid, respectively. The simulation results from numerical tables and figures show that the proposed combination model increases electric load forecasting accuracy compared to the best individual kernel-based SVR model.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.