文献类型：期刊文章

作　　者：龙文[1,2] 梁昔明[2] 龙祖强[3] 李朝辉[2]

机构地区：[1]贵州财经学院贵州省经济系统仿真重点实验室,贵州贵阳550004 [2]中南大学信息科学与工程学院,湖南长沙410083 [3]衡阳师范学院物理与电子信息科学系,湖南衡阳421008

出　　处：《中南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(60874070;61074069);贵州财经学院博士科研启动基金资助项目

年　　份：2011

卷　　号：42

期　　号：11

起止页码：3408-3414

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20120114663687)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种自动优选最小二乘支持向量机(LSSVM)模型参数的改进蚁群(MACO)算法。该算法将LSSVM模型的参数作为蚂蚁的位置向量,然后采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,同时在最优蚂蚁邻域内进行小步长局部搜索,找到模型的最优参数,得到基于MACO算法优化的LSSVM(MACO-LSSVM)预测模型。将优化后的LSSVM模型应用于短期电力负荷预测问题,选择湖南某地区日期为2009-08-01至2009-08-30各小时点的数据进行分析,对2009-08-31该日24 h的负荷进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明:本文方法得到的均方根相对误差为1.71%,比用BP神经网络和SVM模型得到的均方根相对误差分别低1.61%和1.05%。

关 键 词：最小二乘支持向量机 蚁群优化算法 参数优化 短期负荷预测

分 类 号：TP273]