文献类型：期刊文章

作　　者：王东[1] 史晓霞[1] 尹交英[2]

机构地区：[1]北京建筑大学电气与信息工程学院,北京100044 [2]北京环境保护科学研究院,北京100037

出　　处：《电工技术学报》

基　　金：北京市教委科技面上项目资助(051100615)

年　　份：2015

卷　　号：30

期　　号：S1

起止页码：531-535

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：支持向量机(SVM)在模式分类和回归分析领域有广泛的应用,是目前我国新兴的人工智能方法,本质上是一种核方法。本文分别采用RBF、线性及Sigmoid核函数建立SVM模型,对某银行夏季的空调负荷进行逐时训练和预测,对三种核函数的预测结果进行了对比研究,仿真结果表明了RBF对该模型有更强的泛化能力和高的学习能力。

关 键 词：支持向量机 RBF 空调负荷 预测  

分 类 号：TB657.2] TP18]