摘要
针对传统预测模型精度不高的问题,提出基于小波核支持向量机的复合预测模型。采用小波分析提取燃气负荷相关的特征值,通过粒子群优化算法确定小波核支持向量机的参数,利用支持向量机(SVM)解决非线性回归和时间序列问题。实验结果证明,该预测模型的预测精度比BP神经网络和传统高斯核SVM高。
Facing an uncertain,nonlinear,dynamic and complicated system,gas load forecasting generally can not get a sufficient accuracy result when using traditional forecast model.This paper proposes a wavelet v-Support Vector Machine（SVM） compound model,wavelet analysis extracting the feature of gas load,and PSO determining the parameter of Wv-SVM model,solving nonlinear regression and time series problems.Experimental results show that the proposed model outperforms the back propagation neural network and traditional Gauss SVM model.
出处
《计算机工程》
CAS
CSCD
2012年第5期196-198,201,共4页
Computer Engineering
基金
上海师范大学产学研基金资助项目
上海燃气指挥系统智能化研究和开发基金资助项目(DCL200801)
关键词
支持向量机
核函数
粒子群优化
燃气负荷
小波
预测模型
Support Vector Machine（SVM）
kernel function
Particle Swarm Optimization（PSO）
gas load
wavelet
forecast model
