SVM的信息粒化时序回归预测城市用水量

• 作者: 张清周 赵明 黄源
• 来源期刊: 供水技术
• 学科: 工学
• 关键词: 信息粒化 支持向量机 网格算法 用水量预测 相对误差
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 技术总结
• 页码范围: 43-46
• 分类号: TU991.31
• 字数: 1779字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9353.2012.04.011

摘要

利用基于信息粒化的支持向量机预测模型对某市11个月的时用水量数据进行模拟训练,对下一个月的每日最高时用水量进行预测.首先提取每日的最高时用水量,再将每7个数据变换为一个三角型模糊粒子,该模糊粒子中的三个参数Low、R和Up分别代表一周内最高时用水量变化的最小值、平均值和最大值,然后利用SVM对最高时用水量及Low、R和Up进行预测.针对SVM在预测时调整自身相关参数困难的问题,提出了运用网格法对模型中的参数进行优化选择.实例分析结果表明,该模型建模速度快,预测精度高,且实用性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵明	哈尔滨工业大学市政环境工程学院	57	418	12.0	17.0
2	张清周	哈尔滨工业大学市政环境工程学院	4	28	3.0	4.0
3	黄源	哈尔滨工业大学市政环境工程学院	4	30	3.0	4.0