基于遗传算法优化参数的支持向量机短期负荷预测方法

• 作者: 刘承水 吴景龙 杨淑霞
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 遗传算法 支持向量机 参数优化 负荷预测
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 180-184
• 页数: 5页
• 分类号: TP18
• 字数: 2864字
• 语种: 中文

摘要

通过研究参数选择和支持向量机预测能力的影响,建立利用遗传算法优化参数的支持向量机负荷预测系统.通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优预处理,找到最优的参数取值,然后,代入支持向量机SVM预测模型中,得基于遗传算法的支持向量机(GA-SVM)模型,利用此模型对短期电力负荷进行预测研究.通过实例验证,选择河北某地区2005-03-02至2007-05-22每天各个时点的数据进行分析,并且选择SVM模型与BP(Back propagation)神经网络进行对比.研究结果表明:用GA-SVM算法得到的均方根相对误差仅为2.25%,比用SVM模型和BP神经网络所得的均方根相对误差比分别低0.58%和1.93%.所提出的测试方法克服了传统参数选择方法存在的缺点(如研究者往往凭经验和有限的实验给定一组参数,而不讨论参数制定的合理性),提高了支持向量机的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘承水	北京城市学院城市信息应用研究所	43	519	9.0	22.0
2	杨淑霞	华北电力大学工商管理学院	32	680	12.0	26.0
3	吴景龙	华北电力大学工商管理学院	5	263	4.0	5.0