典型文献
基于SVM和差分进化算法的输变电工程数据预测与评估模型设计
文献摘要：
针对当前输变电工程数据繁杂且难以有效预测和评估的问题,设计了一种基于SVM和差分进化算法的输变电工程数据预测与评估模型.在对输变电工程项目的影响因素进行分析的基础上,通过随机比特森林算法筛选出输变电工程的主要影响因素并构建相应的数据特征子集,将数据特征子集作为支持向量机(SVM)的输入变量,利用差分进化算法优化SVM的核心参数,从而构建相应的预测与评估模型.将浙江省2012-2020年输变电工程造价实际数据作为数据集进行算例分析,实验结果表明,所提模型对于输变电工程数据预测与评估的平均误差均低于6％,相比于其他常用算法具有显著的优势,能够较为准确地对输变电工程数据进行预测与评估.
文献关键词：
支持向量机;差分进化算法;随机比特森林算法;输变电工程;特征子集
中图分类号：
作者姓名：
沈华强;杨玲;李皓;丁云峰;范殷伟
作者机构：
国网浙江省电力有限公司,浙江杭州310007;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]沈华强;杨玲;李皓;丁云峰;范殷伟-.基于SVM和差分进化算法的输变电工程数据预测与评估模型设计)[J].电子设计工程,2022(22):93-98
A类：
随机比特森林算法
B类：
差分进化算法,输变电工程,工程数据,数据预测,模型设计,繁杂,预测和评估,数据特征,特征子集,算法优化,核心参数,工程造价,实际数据,算例分析,平均误差
AB值：
0.12142
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。
