改进粒子群算法优化支持向量机的短期负荷预测

• 作者: 李杰 靳孟宇 马士豪
• 来源期刊: 测控技术
• 关键词: 粒子群优化 支持向量回归 自适应变异 混沌映射 短期电力负荷
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 76-79
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.04.014

摘要

针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回归机模型进行对比分析.分析结果表明,该预测模型可将预测的均方根误差降低约40％,绝对值误差降低约42％,相对误差降低约46％,仿真结果验证了所提方法优化了支持向量回归机参数,改善了预测效果.