机译:使用基于内核的支持向量回归组合模型进行短期负荷预测
College of Science, NanChang Institute of Technology, NanChang 330099, JiangXi, China;
School of Mathematics and Statistics, LanZhou University, LanZhou, GanSu 730000, China;
Short-term load forecasting; Kernel; Support vector regression; Combination model; Selection algorithm;
机译:基于核支持向量分位数回归和Copula理论的短期电力负荷概率密度预测方法
机译:一种用于短期风速预测和分析的强大组合方法-使用GPR(ARIMA(自回归综合移动平均值),ELM(极限学习机),SVM(支持向量机)和LSSVM(最小二乘SVM)预测进行组合高斯过程回归模型
机译:使用支持向量回归(SVR)模型进行短期电力负荷预测,以计算办公楼的需求响应基准
机译:支持向量回归短期负荷预测模型中训练样本的构建
机译:最小二乘支持向量机在中期负荷预测中的应用。
机译:支持向量回归与模因算法的电力负荷预测
机译:通过混合支持向量回归和长短短期记忆算法的短期负荷预测