公共文化服务平台

灰色—支持向量机的空调负荷预测被引量：7: 2014年; 对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。; 赵超戴坤成黄云云; 关键词：空调负荷支持向量机

基于RLSSVM-CPSOSA的PEM燃料电池系统建模: 2017年; PEMFC电堆是一个包括流动、传热、传质和电化学反应等多种物理化学现象的复杂机体,其建模问题是一个具有挑战性的问题。本文提出一种基于RLSSVM-CPSOSA模型的燃料电池建模方法。CPSOSA算法将CO算法、模拟退火算法和粒子群算法有机结合,以克服粒子群算法早熟收敛的不足。然后利用CPSOSA算法对鲁棒最小二乘支持向量机模型(RLSSVM)进行参数寻优,从而获得RLSSVM-CPSOSA燃料电池模型。以MATLAB平台搭建PEMFC电堆模型并进行仿真研究,结果表明所提出的RLSSVM-CPSOSA模型的有效性和良好的预测精度。为PEM燃料电池实时控制系统奠定了基础。; 赵超陈培江王贵评戴坤成; 关键词：质子交换膜燃料电池

基于KPCA-WLSSVM的建筑能耗预测模型被引量：7: 2015年; 为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCAWLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。; 赵超戴坤成王贵评; 关键词：建筑能耗核主元分析支持向量机

基于自适应加权最小二乘支持向量机的青霉素发酵过程软测量建模: 针对生化过程软测量建模过程中样本数据可能包含的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)建模方法,该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样...; 赵超戴坤成王贵评; 关键词：加权最小二乘支持向量机青霉素发酵过程软测量建模; 文献传递

基于自适应加权最小二乘支持向量机的短期电力负荷预测被引量：8: 2015年; 针对电力负荷建模过程中数据可能存在异常值及异常值对模型性能的影响,提出一种基于自适应加权最小二乘支持向量机(AWLS-SVM)回归方法的短期电力负荷预测模型.利用改进的正态分布加权规则自适应地为每个建模样本分配不同的权值,并结合粒子群遗传算法对模型参数进行优化选择,以进一步提高模型的预测精度和泛化能力.以北方某城市电网季度负荷数据为例,对模型的性能进行检验.计算结果表明,AWLS-SVM模型在预测精度和泛化能力方面均优于最小二乘支持向量机(LS-SVM)模型及加权最小二乘支持向量机(WLS-SVM)模型.; 赵超戴坤成; 关键词：短期负荷预测自适应加权最小二乘支持向量机

基于KPCA-WLSSVM的建筑能耗预测模型: 为了降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支...; 许巧玲严哲钦吴炜洪戴坤成; 关键词：建筑能耗; 文献传递

基于自适应加权最小二乘支持向量机的青霉素发酵过程软测量建模被引量：7: 2017年; 针对生化过程软测量建模过程中样本数据可能包含的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(Adaptive weighted least squares support vector machine,AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的正态分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用混沌差分进化—模拟退火(Chaos differential evolution simulated annealing,CDE-SA)算法对模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于最小二乘支持向量机(Least squares support vector machine,LS-SVM)和加权最小二乘支持向量机(Weighted least squares support vector machine,WLS-SVM)。利用Pensim仿真平台的数据,将AWLS-SVM方法用于青霉素发酵过程软测量建模,获得了较好的效果。; 赵超李俊戴坤成王贵评; 关键词：加权最小二乘支持向量机青霉素发酵过程软测量建模

自动化专业英语教学改革与实践: 本文分析了目前自动化专业英语教学中存在的不足,结合作者在专业英语课程讲授中的体会,在教材建设、教学内容、教学方法、教学手段和考核方式等方面进行了有益的改革尝试。实践证明,这样的改革可以有效提高专业英语教学的质量。; 张宛琳袁艳; 关键词：教学改革自动化专业英语英语综合运用能力; 文献传递

基于自适应加权最小二乘支持向量机的短期电力负荷预测: 针对电力负荷建模过程中数据可能存在的异常值以及异常值对模型性能的影响,提出了一种基于自适应加权最小二乘支持向量机（AWLS-SVM）回归的短期电力负荷预测方法。该方法基于负荷样本数据,根据最小二乘支持向量机（LS-SVM...; 赵超戴坤成; 关键词：短期负荷预测自适应加权粒子群优化算法最小二乘支持向量机; 文献传递

基于FCM-LSSVM-GSA空调负荷预测: 2017年; 准确、快速的空调负荷预测是实现空调系统经济运行的基础。为提高空调负荷预测模型的精度以及稳定性,本文提出了一种基于FCM-LSSVM-GSA空调负荷预测方法。根据数据的相似统计分布特征,利用模糊C均值聚类算法(FCM)将历史负荷数据划分成多个簇类,以降低样本数据中相关噪声对建模精度的影响;并根据每个簇类的训练和测试数据集建立相应的最小二乘支持向量机预测模型(LSSVM);通过引入万有引力搜索算法(GSA)优化LSSVM的模型参数,以避免人为选择的盲目性,从而提高模型的预测精度。基于DeST平台模拟数据,将FCM-LSSVM-GSA模型运用于南方某办公大楼的逐时空调负荷预测。通过对比均方根误差(RMSE)和平均绝对百分误差(MAPE),结果表明该模型的预测精度明显优于传统LSSVM模型和简单FCM-LSSVM模型。; 赵超郑守锦; 关键词：空调负荷预测最小二乘支持向量机模糊C均值聚类算法

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家教育部博士点基金(20133314120004)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20133314120004)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈