作者：何永秀 何海英 王跃锦 罗涛最小二乘支持向量机广义回归神经网络贝叶斯理论负荷预测pso模型基住宅影响因素
摘要：第一，一般回归神经网络(GRNN ) 被用于影响预报的居住负担(RL ) 的因素的钥匙的可变选择。第二， GRNN 选择的关键影响因素作为输入和城市、农村的 RL 的输出终端被使用模仿并且学习。另外，最后的模型的合适的参数通过使用证据理论联合与 PSO 方法和 Bayes 理论计算的优化结果被获得。然后， PSO-Bayes 最少的广场支持向量机器(PSO-Bayes-LS-SVM ) 的模型被建立。案例研究然后被为学习并且测试提供。城市、农村的 RL 的均方差预报的实验分析结果表演分别地是 0.02% 和 0.04% 。最后，作为一个例子在中国拿特定的省 RL，从 2011 ～ 2015 的 RL 的预报结果被获得。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《中南大学学报·社会科学版》（CN：43-1393/C）是一本有较高学术价值的双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《中南大学学报·社会科学版》坚持以马列主义、思想、邓小平理论、“三个代表”重要思想、科学发展观和新时代中国特色社会主义思想为指导，坚持正确的政治导向和出版方向，认真贯彻执行党和国家的出版方针与政策，遵守党和国家的宣传工作纪律，坚持为人民服务、为社会主义服务的“二为”方向，认真贯彻党的“双百”方针。
杂志详情
