资源简介

优化支持向量机中的正则化参数C和核函数参数K的粒子群算法,实现了对电力负荷的短期预测,预测效果较好,可根据自己要求进行更改。

资源截图

代码片段和文件信息

function [Acu]=AdaptFunc(XXYY)
%C为最小二乘支持向量机的正则化参数,theta为高斯径向基的核函数参数,两个需要进行优化选择调试
NumOfPre =1;%预测天数,在此预测本季度最后七天
Time = 24;
Data = xlsread(‘a23.xls‘);%此为从excel表格读数据的命令,表示将表格的数据读到Data数组中,省略表格中的第一行第一列文字部分 可输入你要预测的表格名称
[M N] = size(Data);%计算读入数据的行和列 M行N列
for i = 1:3
    maxData = max(Data(:i));
    minData = min(Data(:i));
    Data1(:i) = (Data(:i) - minData)/(maxData-minData);%对温度进行归一化处理
end
for i = 4:5
    Data1(:i) = Data(:i);
end
for i = 6:N
    Data1(:i) = log10(Data(:i)) ;%对负荷进行对数处理 温度和负荷的预处理 可采用不同的方法 可不必拘泥
end
Dim =  M - 2 - NumOfPre;%训练样本数%训练样本数
Input = zeros(M-212Time);%预先分配处理后的输入向量空间
y = zeros(DimTime);
for i = 3:M 
    for j = 1:Time
        %%选取前一天温度、同一时刻的负荷,前两天的负荷,当天的温度作为输入特征
        x = [Data1(i-11:5) Data1(i-1j+5) Data1(i-2j+5)Data1(i1:5)

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      22016  2016-06-04 13:19  pso-svm电力负荷预测\a23.xls

     文件        379  2016-06-02 13:48  pso-svm电力负荷预测\acu.mat

     文件        379  2016-06-02 11:53  pso-svm电力负荷预测\acu1.mat

     文件       2392  2016-06-02 13:34  pso-svm电力负荷预测\AdaptFunc.m

     文件       3813  2010-05-18 10:36  pso-svm电力负荷预测\baseStepPso.m

     文件       2178  2016-06-02 12:59  pso-svm电力负荷预测\InitSwarm.m

     文件       2112  2016-06-02 13:37  pso-svm电力负荷预测\pso.m

     文件       2841  2016-06-02 13:34  pso-svm电力负荷预测\shorttime.m

    I.A..H.       165  2016-06-04 13:14  pso-svm电力负荷预测\~$模式识别.pptx

     目录          0  2016-11-11 17:30  pso-svm电力负荷预测

----------- ---------  ---------- -----  ----

                36275                    10


评论

共有 条评论