基于PSO-LSSVM的城市时用水量预测

• 作者: 仇军 王景成
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 粒子群算法 最小二乘支持向量机 时用水量预测
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 过程控制技术及应用
• 页码范围: 232-236
• 页数: 5页
• 分类号: TP27
• 字数: 6047字
• 语种: 中文

摘要

为解决传统最小二乘支持向量机(LSSVM)采用交叉验证确定参数耗时较长和粒子群(Particle Swarm Optimization,PSO)优化算法早熟收敛的问题,提出一种基于种群活性PSO算法优化LSSVM参数的方法.利用群活性加速度作为多样性测度,当群活性加速下降时,对粒子的位置和速度分别执行进化和变异操作来改进标准PSO算法,然后分析上海市时用水量序列特点及其影响因素,选取影响程度较大的主要因素,将其作为预测模型的输入变量,建立时用水量预测模型;最后采用改进的PSO算法优化LSSVM参数来预测上海市时用水量.实例分析表明,对比文中其他3种模型输入变量组合,选取的预测模型输入变量能够更有效地提高预测精度;与传统LSSVM方法相比,提出的基于改进PSO-LSSVM的时用水量预测方法计算速度更快,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王景成	上海交通大学自动化系系统控制与信息处理教育部重点实验室	61	580	14.0	21.0
2	仇军	上海交通大学自动化系系统控制与信息处理教育部重点实验室	1	21	1.0	1.0