基于最小一乘的GA-SVR用电量预测.pdf

《基于最小一乘的GA-SVR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、25Joumal0fUESTC(SocialSciencesEdition)Dec．2013，Vo1．15，No．6基于最小一乘的GA．SVR用电量预测口章政王晓佳[合肥工业大学合肥230009][摘要]基于最小一乘准则和交叉验证思想下，提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准，提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优，加快了训练时间，提升了预测精度，同时，交叉验证方法的采用，又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明，其预测精度要优于传统的支持向量回归模型

2、和一般的粒子群优化支持向量回归模型。『关键词1预测；最小一乘；支持向量机；遗传算法；交叉验证[中图分类号]F273．13『文献标识码]A[文章编号】1008—8105(2013)06．0025—05行电力预测，加快了学习速度，提高了预测精度。引言本研究采用最小一乘原理，通过自适应遗传算法优化支持向量机的模型参数，并且在训练过程中近些年来，我国经济高速发展，但这也伴随着使用了交叉验证的思想，通过江苏省2004年～2009能源的快速消耗。同时，随着工业化进程的不断深年全社会用电量及宏观经济影响因素月度数据，预入和城乡居民生活水平的不断提高，对电力的需求测未来的用电量水平。实验结果表明，该模型

3、在拟也越发旺盛。因此，对未来用电量的准确预测，将合度和误差上均优于BP一神经网络模型和传统的有助于合理地安排生产活动，制定生产计划，维持SVR模型，并且预测精度也较高。社会的稳定发展，实现经济效益的快速提升。支持向量机(Suppo~VectorMachine)是Vapnik等人在一、支持向量回归机原理1995年提出来的l1]，它是基于统计学习理论，采用结构风险最小化的原理，较好地解决了“过学习”的给定样本空间D=(，Yi)，∈R，Yi∈R，现象，并且具备良好的泛化能力。支持向量回归机f_1，2，⋯，。并且令线性回归函数为(Suppo~vectorregression)是将支持向量机应用于

4、回()=Ⅵ()+b(1)归分析中而形成的。虽然该理论的发展只有不~tJ2o其中：w称为权向量，b称为分类阈值。()为一年时间，但海内外学者仍然对其展开了广泛地研究。非线性变换，它将数据集X映射到高维的特征空间如文献[2]基于支持向量机原理，提出了一个预测系F中。从而，由结构风险最小化的原则，为求得f(x)，统用以预测输配电线路上的积冰问题；文献[3]通过就需要极小化如下泛函：1，1n支持向量机预测了土耳其的用电量情况；文献[4]将免疫优化算法应用于支持向量机的参数寻优中，并R(-厂)=~一Liwl+』∑i=1(，厂())(2)建立了优化模型预测台湾各地区的用电量；文献[5]其中，C是一个

5、正常数，它是模型平坦性和经验误运用蚁群算法优化训练数据，加快了SVM的训练时差之间的折中因子，也称为惩罚因子。L(y，厂())为间；文献[6]应用支持向量回归机原理预测混沌时间损失函数。一般的，取损失函数为占不敏感损失函序列，实验结果显示SVM方法不仅精度高，而且具数，即对于l，2，⋯，n，有良好的泛化能力；文献[7]运用加权支持向量机原L(y，f(x))=L(Y，f(xf))理对不平衡库存问题进行分类研究，取得了较好的10，IYi—f(xi)I占(3)结果；文献[8】将主成分分析与支持向量机相结合进【lY一f(xi)I一占，其他[收稿日期】2012—11—11[基金项目]国家自然科学基

6、金项目(71101041)：国家863项目(2011AA05A116)；国家级创新计划项目(111035954)．[作者简介]章政(1987一)男，合肥工业大学管理学院博士研究生；王晓佳(1983一)男，博士，合肥工业大学管理学院副教授26JournalofUESTC(SocialSciencesEdition)Dec．2013，Vo1．15,No．6从而问题转化为：要获得满足该条件的核函数，即可求得回归函数min+c喜c．IY—f(xi)≤+较高的非线性系统有较好的逼近性能。另外，RBF．{．厂()一Yi+核的参数在有效范围内改变时不会使空间复杂度过【，≥0，i=1，2，⋯，大[。因此

7、，本研究将核函数取为径向基函数，即为求解优化问题(4)，引入Lagrange因子(，)：exp(一一I)(14)，，，，，i=1，2，⋯，，并定义Lagrange函数如下：L(w，b，，，，，，u)二、基于最小一乘的遗传算法参数寻优11wII+2．2(4+)+不敏感损失函数中的2、惩罚因子C和径向基喜c一c-b-~-+雯高喜c+b-y,-e-g,)一喜一喜署萎蛩薯蒿对函数(关于变量W，b，专，求偏导，为适用l01。本研究将采用自适应