基于SGA与LS-SVM的变压器油中溶解气体含量预测
最小二乘支持向量机(least square support vectormachines，LS-SVM)能很好的解决小样本、非线性等预测实际问题，但是其正规化参数及核函数参数对预测结果影响很大。本文利用基本遗传算法(simple genetic algorithm，SGA)对LS-SVM的参数进行了寻优，提高了LS-SVM在回归分析中的预测精度。论文介绍了LS-SVM和SGA的原理，给出了遗传算法优化参数的流程图，并将该算法应用到变压器油中溶解气体含量的预测中，通过与传统的SVM和LS-SVM的预测结果对比,证明了本文所提方法具有更高的精度，现场应用表明该法的有效性。
变压器油 预测模型 遗传算法 LS-SVM参数 回归分析 气体含量
李楠 律方成 谢庆 王胜辉
华北电力大学电气与电子工程学院,河北,保定 071003
国内会议
北京
中文
1475-1478
2008-10-01（万方平台首次上网日期，不代表论文的发表时间）