基于粒子群优化SVR的用电量预测.pdf

《基于粒子群优化SVR的用电量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、20l4年第l1期sci。。adTe盏。m。tR。。h20l4N。．11doi：10．3969／j．issn．1000—7695．2014．11．038基于粒子群优化SVR的用电量预测章政，王晓佳，于志军(合肥工业大学管理学院，安徽合肥230009)摘要：针对用电量数据非线性的特点提出一种基于粒子群优化的PSO—CV—SVR模型。该模型基于支持向量回归机原理，以粒子群算法和交叉验证的思想优化模型参数。将该模型应用于江苏省全社会用电量的预测分析，结果表明该模型优于BP一神经网络方法，提高了预测的精度。关键词：预测；支持向量回归机；：柱子群算法；交叉验证中图分类号：N32文献标志码：A文章编号：

2、1000—7695(2014)11—0188—04ElectricityConsumptionPredictionBasedonSVRwithParticleSwarmOptimizationZHANGZheng．WANGXiaojia．YUZhijun(SchoolofMmaagement，HefeiUniversityofTechnology，Hefei230009，China)Abstract：TheSVRmodelwithParticleSwarmOptimizationandCrossValidationisproposedaccordingtothecharacteris—tic

3、softhenonlinearelectricitycon,~umptiondata．Inthismodel，PSO—CVmethodisusedtotheparameterdetermination．ThenPSO—CV—SVRmodelisappliedtotheelectricityconsumptionpredictionofJiangsuprovince．Theresultshowsbet—terthantheANNsmethodandimprovestheaccuracyoftheprediction．Keywords：prediction；supportvectorregres

4、sion(SVR)；ParticleSwal~nOptimization(PSO)；crossvalidation随着居民生活水平的不断提高和工业化进程的同样也取得了较为满意的结果。加速推进，对电力的需求和消耗变得越来越大。为本研究使用江苏省2004-2009年全社会用电量了在保障城乡居民的生活用电的同时满足工业企业及宏观经济影响因素数据，通过粒子群算法和交叉对电力的大规模需求，实现经济稳定发展，对电力验证的思想优化支持向量回归机的模型参数，构建资源的合理利用和规划就变得非常重要。因此，需了PSO～CV—SVR预测模型。实验结果表明，该模要对用电量进行合理地预测、进行生产计划安排，型在拟合度

5、和误差上均优于BP～神经网络模型，并从而实现经济效益和社会效益。且预测精度也较高。l相关研究文献回顾2支持向量回归机原理支持向量机(SupportVectorMachine)是由设：Vapnik¨等人在1995年提出来的，它是基于结构风)=(X)+b(1)险最小化的原理，较好地解决了“过学习”的现其中：()为非线性变换，它将数据集映射象，具备很好的泛化能力。将支持向量机应用于回到高维的特征空间F中；W称为权向量；b为分类阈归分析从而形成了支持向量回归机(SupportVector值。可以看出，_厂()是一个关于高维特征空间函Regression)。从理论的提出到现在，学者们不断地数()的线性

6、函数。由结构风险最小化的原则，对其进行研究，将其应用于多个领域并提出了很多所求的．厂()使得如下函数最小化：改进的方法，如：使用免疫算法优化SVR模型参数1nR(_厂)=÷lI+∑())(2)用以预测我国台湾各地区的用电量；采用粗糙集原理进行属J陛约减后进行最小二乘支持向量机建模，其中，C是一个正常数，它是模型平坦性和经提高了预测的精度；使用蚁群算法优化训练数据，验误差之间的折中因子，也称为惩罚因子；(Y，加快SVM训练时间_4；通过SVR原理对多孔NiTi合．厂())为损失函数。一般的，取损失函数为不敏金孔隙进行建模预测，取得了不错的结果；将最感损失函数，即对于i=1，2，⋯，有：小二乘支

7、持向量机应用于金融时间序列的预测中，L(Y))=L(Y))收稿日期：2013—08—18修回日期：2013—12～15章政等：基于粒子群优化SVR的用电量预测189Y-f(x他(3)数’即：：【I)I一，其他K(，Xi)：=exp((一_ll—Xil／or)(13)从而上述回归求解问题转变为如下优化问题：3粒子群交叉验证算法参数寻优minR(w，，)=1l+C∑(+)由SVR的算法过程知道，不敏感损失函数中的