دانلود مقاله ISI انگلیسی شماره 46680
عنوان فارسی مقاله

الگوریتم جدید کرم شب تاب اصلاح شده ترکیبی و مدل رگرسیون برداری پشتیبان برای پیش بینی بار دقیق کوتاه مدت

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46680 2014 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
A new hybrid Modified Firefly Algorithm and Support Vector Regression model for accurate Short Term Load Forecasting
منبع

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

Journal : Expert Systems with Applications, Volume 41, Issue 13, 1 October 2014, Pages 6047–6056

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 الگوریتم جدید کرم شب تاب اصلاح شده ترکیبی و مدل رگرسیون برداری پشتیبان برای پیش بینی بار دقیق کوتاه مدت

چکیده انگلیسی

Precise forecast of the electrical load plays a highly significant role in the electricity industry and market. It provides economic operations and effective future plans for the utilities and power system operators. Due to the intermittent and uncertain characteristic of the electrical load, many research studies have been directed to nonlinear prediction methods. In this paper, a hybrid prediction algorithm comprised of Support Vector Regression (SVR) and Modified Firefly Algorithm (MFA) is proposed to provide the short term electrical load forecast. The SVR models utilize the nonlinear mapping feature to deal with nonlinear regressions. However, such models suffer from a methodical algorithm for obtaining the appropriate model parameters. Therefore, in the proposed method the MFA is employed to obtain the SVR parameters accurately and effectively. In order to evaluate the efficiency of the proposed methodology, it is applied to the electrical load demand in Fars, Iran. The obtained results are compared with those obtained from the ARMA model, ANN, SVR-GA, SVR-HBMO, SVR-PSO and SVR-FA. The experimental results affirm that the proposed algorithm outperforms other techniques.

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