基于改进蚁群算法优化参数的lssvm短期负荷预测

《基于改进蚁群算法优化参数的lssvm短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第 42卷第 11期中南大学学报(自然科学版)Vol.42No.11 2011年11月JournalofCentralSouth University(Scienceand Technology)Nov. 2011基于改进蚁群算法优化参数的 LSSVM短期负荷预测1,2232龙文，梁昔明，龙祖强，李朝辉(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) 摘要：提出一种自动优选最小

2、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

3、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；短期负荷预测中图分类号：TP273 文献标志码：A文章编号：1672−7207(2011)11−3408−07Parameters selection for LSSVM based onmodified ant colonyoptimizationinshorttermload forecasting1,2232LON

4、GWen ,LIANGXiming ,LONGZuqiang ,LI Zhaohui(1.Guizhou KeyLaboratoryofEconomics SystemSimulation,Guizhou College ofFinance andEconomics,Guiyang550004,China;2.SchoolofInformation Science and Engineering,CentralSouthUniversity,Changsha410083,China;3.DepartmentofPhy

5、sics andElectronicInformation Science,HengyangNormalCollege,Hengyang421008,China)Abstract:An optimization method basedon themodifiedantcolony optimization (MACO)algorithmwas used toselectthetwoparametersofleastsquaresupportvectormachine (LSSVM)model.In thismeth

6、od,theparametersofLSSVM modelwere considered the position vectorofants.Targetindividuals which lead theantcolonytodoglobalrapid search weredeterminedbydynamicandstochasticextraction,and the optimalantofthisgeneration searched insmallstep nearly.The optimalparam

7、etervalue was obtainedbyMACOand modified antcolonyoptimizationleastsquaresupportvectormachine(MACO−LSSVM)forecastingmodelwasobtained.The proposed modelisapplied tothe shorttermelectricalpowerload forecastingproblem.Everyhour’s load from2009−08−01to2009−08−30 of

8、areain Hunan province wastaken as the sample data tobe analyzed.The results indicate thatthe rootmeansquare relative errorofthe proposed method isonly1.71%,which isless than