典型文献
基于智能数据挖掘算法的工程数据信息预测模型研究
文献摘要：
针对电力工程投资精益化管理的需求,文中结合电力公司多年积累的工程数据资源进行了智能化数据挖掘算法的研究,提出一种基于电力工程设备材料历史价格和价格波动因素的工程数据预测方法.该方法基于支持向量机(SVM)、灰狼优化(GWO)和差分进化算法原理展开,其中,SVM的参数识别基于结构风险最小原则,避免了算法迭代过程中的过拟合现象;GWO算法引入了动态进化算子和非线性收敛因子,从而减小陷入局部最优解的可能性.在算法仿真时,重点关注了电网投资中的常用设备和材料,从不同的角度考虑设备材料价格的影响因素.数值实验结果表明,该算法在进行电网投资需求预测时,平均相对误差为2.86％,相比于GA-BP算法提升了3.56％.
文献关键词：
数据挖掘;电网工程;SVM;GWO;差分进化
中图分类号：
作者姓名：
姚日权;费英群;丁云峰;王胜华;田林
作者机构：
国网浙江省电力有限公司湖州供电公司,浙江湖州313000
文献出处：
引用格式：
[1]姚日权;费英群;丁云峰;王胜华;田林-.基于智能数据挖掘算法的工程数据信息预测模型研究)[J].电子设计工程,2022(07):63-67
A类：
投资需求预测
B类：
数据挖掘算法,工程数据,信息预测,电力工程,工程投资,精益化管理,电力公司,数据资源,工程设备,设备材料,价格波动,数据预测,灰狼优化,GWO,差分进化算法,算法原理,参数识别,小原,过拟合,非线性收敛因子,局部最优解,算法仿真,电网投资,资中,材料价格,数值实验,平均相对误差,GA,电网工程
AB值：
0.348865
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
