Indexed by：
Abstract：
针对高耗能企业的电力负荷预测问题,提出了一种在线Boosting回归算法.该算法首先利用一种几何转换关系,将负荷预测这个回归问题变为2类分类问题;然后,在此分类问题上应用在线Smooth Boosting分类算法,得到实时更新的最大间隔分类面.从理论上证明了该分类面可以作为原回归问题上的一一个回归函数,同时证明了该算法在训练集上的收敛性.仿真算例表明,本文算法通过在线更新,提高了预测模型的实时跟踪能力.同时,通过多个预测模型的Boosting组合,有效提高了负荷预测的精度及稳定性,预测误差达到3％以下.
Keyword：
Reprint Author's Address：
Email：
Source ：
信息与控制
ISSN： 1002-0411
Year： 2014
Issue： 6
Page： 750-756
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
