基于改进GWO和ELM的云计算负荷预测研究

Elman神经网络的数据预测—电力负荷预测模型研究的matlab程序

ELMAN神经网络的数据预测——电力负荷预测模型研究（matlab）

基于改进混沌粒子群算法的最小二乘支持向量机短期负荷预测，李劲秋，王韶，针对目前采用最小二乘支持向量机进行电力系统短期负荷预测时，运用混沌粒子群算法选取参数不能完全解决早熟，导致精度下降的问题

为了提高交通流量控制和优化的精度,将混沌理论引入PSO对LS-SVM的核参数和惩罚系数进行优化选择,提出一种ECLS-SVM交通流量预测模型。通过基于ECLS-SVM算法的单步、3步、5步和7步预测结

基于GM(1,1)背景值的构造方法,提出了一种基于Gauss-Legendre公式改进灰色预测模型的方法,并推导得出了基于两点Gauss-Legendre公式改进的GM(1,1)模型,改进模型的背景值

基于分段预测模型的改进血糖控制，王友清，孙慧玲，鉴于糖尿病的发病率及对人身体缓慢并严重的影响，人们对于糖尿病的关注度越来越高。随着科学技术的发展，糖尿病的治疗方法也逐日

合理、科学地对煤炭消费进行预测可为能源政策的制定提供参考,借鉴非线性回归技术,将改进的GM(1,1)模型应用于中国煤炭消费的预测,并进一步预测了2016年~2020年中国的煤炭消费。结果表明:改进后的

合理、科学地对能源消费进行预测可为能源政策的制定提供参考,借鉴非线性回归技术,建立了2000年~2015年中国能源消费的非线性GM(1,1)模型,进一步采用改进的GM(1,1)模型预测了2016年~2

提出了一种基于离散傅里叶变换(DFT)的灰色预测方法.首先将电量负荷序列采用离散傅里叶变换,分解出表征负荷规律性的各种频率分量,再对其进行组合重构,组合成周期T〉7d的低频分量和周期T≤7d的剩余高频

近年来，支持向量机（SVM）方法在电力系统负荷预测领域的应用研究成为了热点，鉴于传统的标准支持向量机方法在预测时间和预测精度方面的不足，首次将多重核支持向量回归方法（Multiple Kernel L