Forecasting model of residential load based on general regression neural network and PSO-Bayes least squares support vector machine

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。