高斯-柯西变异算子优化的LSSVM模型研究

发布时间：2021-09-03 02:38

　　论文针对标准量子粒子群算法易陷入局部极值的问题,提出一种改进的量子粒子优化最小二乘支持向量机的方法。利用高斯变异数的局部开发能力以及柯西变异数的全局搜索能力,在量子粒子群优化算法中,引入高斯-柯西变异算子,帮助算法跳出局部极值。并利用该优化模型进行光伏发电量预测实验,对优化的最小二乘支持向量机模型的预测结果与其他模型预测结果进行比较,结果表明:基于高斯-柯西变异算子的量子粒子群优化的最小二乘支持向量机对光伏发电量的预测具备较好的收敛速度和跳出局部收敛困境的能力。 

【文章来源】：计算机与数字工程. 2020,48(01)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]结合改进PSO算法和LSSVM的化工异常工况超早期监测预警研究[J]. 胡瑾秋,郭放,张来斌.  电子测量与仪器学报. 2018(02)
[2]基于混合人工蜂群和人工鱼群优化的LSSVM脉动风速预测[J]. 张永康,李春祥,郑晓芬,徐化喜.  振动与冲击. 2017(15)
[3]基于柯西-高斯动态消减变异的果蝇优化算法研究[J]. 杜晓昕,张剑飞,郭媛,金梅.  计算机工程与科学. 2016(06)
[4]基于QPSO-LSSVM的风电场超短期功率预测[J]. 张涛,孙晓伟,史苏怡,李振兴.  中国电力. 2016(03)
[5]基于果蝇参数优化的LSSVM短期负荷预测[J]. 王惠中,周佳,王岳锋,刘轲.  电气自动化. 2015(06)
[6]一种改进的人工鱼群优化算法[J]. 吴昌友.  智能系统学报. 2015(03)
[7]基于蚁群算法和LSSVM的锅炉燃烧优化预测控制[J]. 龙文,梁昔明,龙祖强,李朝辉.  电力自动化设备. 2011(11)
[8]遗传优化的LSSVM在故障诊断中的仿真研究[J]. 张大为,段哲民,李鹏,张晓辉.  计算机仿真. 2010(10)
[9]基于人工免疫算法的最小二乘支持向量机参数优化算法[J]. 杨福刚.  计算机应用研究. 2010(05)
[10]基于模拟退火与LSSVM的轴承故障诊断[J]. 隋文涛,路长厚,Wilson Wang,张丹.  振动.测试与诊断. 2010(02)

硕士论文
[1]量子粒子群算法及其应用[D]. 张兰.西北大学 2010



本文编号：3380233