优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，

智能算法：神经网络，极限学习机，遗传算法，粒子群算法，蚁群算法，鱼群算法，人工免疫算法-Intelligent algorithms: neural networks, Extreme Learning Machine, genetic algorithm, particle swarm optimization, ant colony algorithm, fish swarm algorithm, artificial immune algorithm

PSO-ELM 粒子群算法优化极限学习机(PSO-ELM Particle swarm optimization for extreme learning machine)

利用主成分分析法结合粒子群（PSO）优化极限学习机(ELM)进行工程费用估计预测(In this paper, principal component analysis (PCA) combined with particle swarm optimization (PSO) optimization extreme learning machine (ELM) is used to estimate and forecast engineering cost)