基于深度学习与SVM的配电网工程数据预测分析模型设计

作     者：赵隆乾 路长宝 张强 赵健勃 朱文超 ZHAO Longqian;LU Changbao;ZHANG Qiang;ZHAO Jianbo;ZHU Wenchao

作者机构：国网青海电力公司青海西宁810008 国网青海电力公司经济技术研究院青海西宁810008 

基　　金：国网青海省电力公司科技项目(2021-76) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第8期

页      码：90-94页

摘      要：为了提升配电网工程数据的精细化管控水平,文中基于人工智能技术的深度学习理论进行了工程造价预测模型的设计。将数据预测问题转化为非线性分类问题,采用支持向量机(Support Vector Machines,SVM)对该问题进行求解。在求解的过程中引入高斯径向基函数,改善SVM算法在多维数据空间中的分类能力。为了提升单个SVM分类器在训练过程中的过拟合和欠拟合现象,通过使用深度学习中的Boosting算法,将若干个弱SVM分类器有机结合并融合为强分类器。以某地区的配电网工程数据集为样本,对算法性能进行测试。实验结果表明,在适当的参数设置下,该算法对于配电网工程造价的预测精度可达到95.62%,相较于GA-BP神经网络提升了2.84%。

主 题 词：支持向量机 深度学习 Boosting 工程造价 配电网 数据分析 

学科分类：0809[工学-计算机类] 08[工学] 

D　O　I：10.14022/j.issn1674-6236.2023.08.019

馆 藏 号：203121025...