【摘 要】
：
针对短期风电功率预测系统,提出基于集成学习理论的具有数据集实例权重更新机制的KELM-AdaBoost方法.AdaBoost方法能够自动学习多个弱回归器并将其提升为预测精度高的强回归
【机 构】
：
兰州交通大学 自动化与电气工程学院,兰州,730070
论文部分内容阅读
针对短期风电功率预测系统,提出基于集成学习理论的具有数据集实例权重更新机制的KELM-AdaBoost方法.AdaBoost方法能够自动学习多个弱回归器并将其提升为预测精度高的强回归器,核极限学习机(Kernel Extreme Learning Machine,KELM)方法作为AdaBoost方法的基学习器,其以核函数表示未知的隐含层非线性特征映射,仅需通过正则化最小二乘算法调节网络的输出权值就能达到最小的训练误差,且KELM中不仅使用了RBF核函数,还使用了可允许的多维张量积小波核函数.将KELM-AdaBoost方法分别应用于不同地区的短期风电功率单步直接预测和多步间接预测中,并与RBF,SVM,ELM,KELM,RBF-AdaBoost,SVM-AdaBoost,ELM-AdaBoost方法在同等条件下相比较,实验结果表明,所提出的KELM-AdaBoost方法在预测精度上优于已有的预测方法,蕴藏着巨大潜力和较好的应用前景.
其他文献
目前Web服务体系架构存在标准限制且需要支持多种类型的客户端的问题,因而使得Web服务的安全极具挑战。文章通过对Web服务的基本组件和协议的分析,说明了如何利用现有的技术来应对Web服务安全所面临的风险,并对一些基本的保护机制作了说明。在此基础上,提出了一种基于标准的、新的安全体系架构,满足企业的Web服务安全需要。
时间序列图像的特征跟踪技术有着巨大的潜在应用,然而传统的光流法跟踪算法由于其精度不高而影响了其实用性。针对这一问题提出一种基于回测光流法的结构线端点跟踪方法。将图像上的建筑结构线的端点作为目标特征,在序列图像的当前参考帧进行特征检测,利用光流跟踪法得到特征在下一帧图像上的对应位置;进一步将跟踪到的特征位置点用于回测跟踪,将回测跟踪的结果与参考帧原始检测到的特征位置进行比较,排除掉误差大的特征点,最
随着Internet技术的发展和普及、黑客技术与病毒技术的结合成为网络入侵的新手段,网络入侵者通过植入病毒控制相应设备发送非法控制命令来修改和窃取用户资料.在网络信息安全
随着人口数量的增多和城镇化水平的提高,住宅建筑的数量正在逐年增多,这对建筑施工单位提出了更高的施工要求和质量要求.在住宅建筑的施工过程中,为了保证住宅建筑的施工质量
在建筑行业市场日益繁荣的背景之下,传统的建筑工程项目现场施工管理措施的问题也逐渐凸现出来,并表现出了较大的局限性,而这也是建筑行业施工现场管理人员关注的焦点.本文作
该文分析了目前信息关键基础设施面临的危机,并介绍了美国的计算机安全技术优先研究的方向。
This paper analyzes the crisis facing the current information critical in
提出一种综合采用网络蠕虫行为检测和网络蠕虫反馈检测的混合蠕虫检测方法.在网络蠕虫行为检测方面,将一个局域网作为一个访问模型对于蠕虫进行检测.在网络反馈蠕虫检测方面,
移动端电力交易信息服务提升发电企业、售电公司、购电用户的业务规模,市场成员多边交易,实现多品类交易供需互补.分析移动端电力市场成员的交易行为,提出基于群体主动学习的
<正>7月24日,吉林省政府新闻办在省政务大厅新闻发布厅召开新闻发布会,由省农委副主任、新闻发言人张永林介绍《吉林省黑土地保护条例》有关情况,省农委农业处处长邬晓东、省