基于混合智能算法优化LSSVM的短期风压预测

论文摘要

利用最小二乘支持向量机（least square support vector machine, LSSVM）预测建筑表面的风压.为提高LSSVM对风压预测的泛化能力与精度,提出了基于混合蚁群（ant colony optimization, ACO）和粒子群（particle swarm optimization, PSO）优化LSSVM的预测方法（ACO+PSO-LSSVM）,对参数进行搜索寻优,该方法避免了ACO和PSO二者的缺点并实现优势互补.利用ACO+PSO-LSSVM算法对建筑表面风压进行单点和空间点预测,并与ACO-LSSVM和PSO-LSSVM算法作比较.结果表明,基于混合蚁群优化和粒子群优化的LSSVM预测模型预测精度高、鲁棒性强,具有较高的工程应用前景.

论文目录

• 1 LSSVM预测模型
• 2 混合ACO和PSO
•   2.1 智能优化算法
•   2.2 混合蚁群和粒子群的优化算法
•   2.3 ACO+PSO-LSSVM预测模型
• 3 数值验证
•   3.1 单点风压
•     3.1.1 预测思路
•     3.1.2 模型参数选取
•     3.1.3 数值结果
•   3.2 空间点风压
• 4 结束语

文章来源

类型: 期刊论文

作者: 涂伟平,李春祥

关键词: 风压预测,最小二乘支持向量机,智能算法,蚁群优化算法,粒子群优化算法

来源: 上海大学学报(自然科学版) 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 上海大学土木工程系

基金: 国家自然科学基金资助项目(51378304)

分类号: TM614;TP18

页码: 347-356

总页数: 10

文件大小: 9805K

下载量: 105