电力负荷数据具有非线性、非平稳的特点,基于机器学习的预测技术始终是负荷预测领域的研究热点。而模型选择,即包括参数优化、特征选择等一系列可以使模型达到最优状态的操作,是提高机器学习负荷预测模型性能的关键。为此,提出了一种基于二进制CLPSO算法的模型选择一体化策略,整合特征选择和参数优化过程,以提高SVM预测方法的自适应性。并以GEFCom2012竞赛的电力负荷数据为例进行实验,证明了所提出的一体化模型选择框架能够有效提高SVM模型的预测精确度。
科研之友
微信
新浪微博
Facebook
分享链接
