الگوریتم ممتیک مبتنی بر بهینه سازی ازدحام ذرات یادگیری جامع برای انتخاب مدل در پیش بینی بار کوتاه مدت با استفاده از رگرسیون بردار پشتیبان

Compared with other well-established counterparts, benefits of the proposed unified model selection problem and the proposed CLPSO-MA for model selection are verified using two real-world electricity load datasets, which indicates the SVR equipped with CLPSO-MA can be a promising alternative for short-term load forecasting.