基于ICSO-SOM-ELM的电力业扩项目工期预测
林镜星1
周鑫1
谢志炜1
许炫淙2
张铮2
1.广东电网有限责任公司广州供电局,广东 广州 5100002.广东工业大学 自动化学院,广东 广州 510006
摘要：针对电力业扩项目时长的不确定性,提出一种自组织映射网络聚类、改进纵横交叉算法优化极限学习机权值阈值的ICSO-SOM-ELM电力业扩项目工期预测模型.首先基于项目预算费用与节点数,采用自组织映射网络对电力业扩项目数据进行二次聚类,初步降低原始数据集的混乱性.其次,提出基于邻域种群交叉变异机制的改进纵横交叉算法,并将其用于优化极限学习机模型的权值阈值,得到最优ELM预测模型.最后,针对电力业扩项目二次聚类数据,分别采用ICSO-ELM预测模型对项目时长进行预测.以某供电局业扩数据进行实验,验证所提模型的有效性,所提出的ICSO-SOM-ELM预测模型优于其他预测模型,可为供电公司的业扩项目工期计划制定提供科学性的建议.
关键词：电力业扩项目工期预测自组织映射网络改进纵横交叉算法极限学习机
分类号：TM732(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61876040)南方电网科技资助项目(080008KK52200010)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 59-66 )
英文信息