论文部分内容阅读
针对最小二乘支持向量机（LSSVM）仅考虑等式约束，失去了支持向量机（SVN）解的稀疏性，影响了二次学习效率的问题，把最小二乘支持向量机与序列最小优化算法（SMO）相结合，后者应用改进的剪枝算法对解进行稀疏化处理，解决了上述问题；算法与最小二乘支持向量机相比降低了计算的复杂度，提高了计算精度。将此方法应用到电力系统短期负荷预测，与SVM和LSSVM算法比较表明该方法运行速度快，精度高，取得了较好的预测结果。