提出了一种基于贝叶斯证据框架下加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLS-SVM)的短期负荷预测模型和算法。在对历史负荷数据进行完预处理基础上,分析影响负荷变化的重要因素,然后选择最佳的输入数...提出了一种基于贝叶斯证据框架下加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLS-SVM)的短期负荷预测模型和算法。在对历史负荷数据进行完预处理基础上,分析影响负荷变化的重要因素,然后选择最佳的输入数据作为LS-SVM训练模型的输入向量。通过贝叶斯证据三层推断寻找到模型的最佳参数:第一层推断确定LS-SVM的权向量w和偏置值b,第二层推断确定模型的超参数γ,第三层推断确定核函数的超参数σ。为了提高模型的鲁棒性,赋予了每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果。展开更多
能否合理补偿动臂举升速度对所测油压信号的影响是制约装载机载重动态测量精度的关键问题.在给出载重测量的实现方法后,建立了实现载重测量速度补偿和载重量计算的框架模型,然后详细阐述了贝叶斯证据框架下最小二乘支持向量机(LS-SVM,Le...能否合理补偿动臂举升速度对所测油压信号的影响是制约装载机载重动态测量精度的关键问题.在给出载重测量的实现方法后,建立了实现载重测量速度补偿和载重量计算的框架模型,然后详细阐述了贝叶斯证据框架下最小二乘支持向量机(LS-SVM,Least Square Support Vector Machines)参数的推断优化过程,以及基于贝叶斯证据框架下的LS-SVM速度补偿方法.试验结果表明,采用该方法进行速度补偿后的载重测量误差均能控制到1%以下,验证了其有效性.展开更多
文摘提出了一种基于贝叶斯证据框架下加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLS-SVM)的短期负荷预测模型和算法。在对历史负荷数据进行完预处理基础上,分析影响负荷变化的重要因素,然后选择最佳的输入数据作为LS-SVM训练模型的输入向量。通过贝叶斯证据三层推断寻找到模型的最佳参数:第一层推断确定LS-SVM的权向量w和偏置值b,第二层推断确定模型的超参数γ,第三层推断确定核函数的超参数σ。为了提高模型的鲁棒性,赋予了每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果。
文摘能否合理补偿动臂举升速度对所测油压信号的影响是制约装载机载重动态测量精度的关键问题.在给出载重测量的实现方法后,建立了实现载重测量速度补偿和载重量计算的框架模型,然后详细阐述了贝叶斯证据框架下最小二乘支持向量机(LS-SVM,Least Square Support Vector Machines)参数的推断优化过程,以及基于贝叶斯证据框架下的LS-SVM速度补偿方法.试验结果表明,采用该方法进行速度补偿后的载重测量误差均能控制到1%以下,验证了其有效性.
