محمد سوری لکی - گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد آشتیان
حمید رضا صاحبی - عضو هئیت علمی دانشگاه آزاد آشتیان ،گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، آشتیان

پیش بینی های قیمت یک ورودی مهم برای تصمیم گیری و توسعه استراتژی شرکت های بزرگ برقی است. SVM ها نوع جدیدی از طبقه بندی کننده های الگو هستند که براساس تکنیک های یادگیری آماری جدید طراحی شده اند و قابلیت تعمیم بالای دارد. با این حال، عملکرد تعمیمی آن وابسته به تنظیم درست پارامترهای آن، یعنی C و گاما، در SVM غیرخطی، دارد. در این مقاله ماشین بردار پشتیبان آموزشدیده بوسیله الگوریتم رقابت استعماری (SVM-PSO) برای پیش بینی قیمت استفاده شده است، که PSO در آن به بهینه سازی پارامترهای SVM می پردازد. داده های سال 2007 بازار برق چین، برای ارزیابی عملکرد روش SVM- PSO مورد استفاده شده است. نتایج نشان می دهند که این روش نسبت به روش های قبلی که برروی داده های این بازار کار شده است، کارایی بهتری دارد.

پیش بینی ، ماشین بردار پشتیبان ، الگوریتم تکاملی، الگوریتم رقابت استعماری