本文介绍: 通过改进传统的Relief算法，提出一种短期负荷预测特征输入量的选取方法，并使用相关性分析法来消除冗余特征。在所选特征和气温数据的基础上，应用相关相量机来建立预测模型。程序以美国德州电力市场某东部城市的真实负荷数据来进行仿真分析，结果表明本文的特征选取方法能够很好的提取负荷的短期趋势特征和周期性特征。
微❤关注“电气仔推送”获得资料（专享优惠）
参考文献
相关向量机和特征选取技术在短期负荷预测中的应用——刘刚
运行环境——MATLAB
程序简介
通过改进传统的Relief算法，提出一种短期负荷预测特征输入量的选取方法，并使用相关性分析法来消除冗余特征。在所选特征和气温数据的基础上，应用相关相量机来建立预测模型。程序以美国德州电力市场某东部城市的真实负荷数据来进行仿真分析，结果表明本文的特征选取方法能够很好的提取负荷的短期趋势特征和周期性特征。
Relief 算法是一种非线性特征选取技术，它基于实例，对特征空间中每维特征都给出一个权值, 以该权值的大小来表示特征与类别的相关程度，其简单易用的特点使其成为目前被广泛应用的特征评估算法之一[13]。因此， 本文拟对传统用于分类问题的Relief 算法进行改进，使其可以用于预测问题， 并结合相关性分析(Correlation Analysis)，设计出一种负荷预测特征输入量的选取方法。根据这些所选取的特征输入量，加上气温等数据，建立起基于RVM 的短期负荷预测模型。最后通过实例来验证本文的方法。
预测结果
原文地址:https://blog.csdn.net/weixin_56691527/article/details/136031556
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_67937.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
