基于PSO-GPR组合模型的能源消费预测

• 作者: 刘师剑 王新利 黄元生
• 来源期刊: 商情
• 关键词: 高斯过程回归 粒子群优化算法 能源消费预测
• 年，卷（期）: 2017,（47）
• 所属期刊栏目: 经济研究
• 页码范围: 11-12
• 页数: 2页
• 字数: 2525字
• 语种: 中文

摘要

为了提高能源消费预测的精度,提出一种基于高斯过程回归结合的混合能源消费预测模型.首先运用粒子群优化算法优化高斯过程中协方差函数的两个参数,得到相对优化的参数初始值;其次运用GPR模型对能源消费时间序列进行训练,同时在贝叶斯框架下,再次优化协方差函数中的参数;最后利用训练好的GPR模型对能源消费时间序列进行预测,并与自回归积分滑动平均模型和指数平滑模型进行对比分析.研究结果表明,基于PSO-GPR的能源消费预测模型具有很好的稳定性,预测精度较高,具有很强的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄元生	华北电力大学经济管理系	84	487	13.0	18.0
2	王新利	华北电力大学经济管理系	13	12	3.0	3.0
3	刘师剑	华北电力大学经济管理系	1	0	0.0	0.0