最小二乘支持向量机(LS-SVM)在短期空调负荷预测中的应用

将最小二乘支持向量机(LS-SVM)引入空调负荷预测中,在Fortran软件平台上建立LS-SVM空调负荷预测模型,并将其应用于绵阳一栋办公类建筑的空调负荷预测中。试验表明所提出的方法预测精度较高,运算简单,收敛速度快,具有较强的可行性和实用性。

基于混沌支持向量回归机的短期空调负荷预测

提出了1种基于混沌分析和支持向量回归机的短期空调负荷预测建模方法。通过研究实际空调负荷序列的混沌特性,确定其混沌特征参数并选取支持向量回归机进行预测。支持向量机建模过程使用粒子群算法进行参数寻优。仿真结果表明,空调负荷序列具有一定的混沌特性,使用混沌支持向量机方法的预测精度比单一支持向量机法预测结果 EEP指标降低了31.4%,预测精度有了明显提升。