城市小时级需水量的改进型引力搜索算法-最小二乘支持向量机模型预测

发布时间：2017-07-18 19:28

  本文关键词：城市小时级需水量的改进型引力搜索算法-最小二乘支持向量机模型预测

  更多相关文章： 智能控制 需水量预测 最小二乘支持向量机 改进的引力搜索算法

【摘要】：本文研究利用最小二乘支持向量机(least squares support vector machine,LS-SVM)算法建立城市小时级需水量预测模型.采取精英策略,自适应的速度更新权重系数,同时引入粒子历史最优信息对引力搜索算法(gravitational search algorithm,GSA)进行了改进.最后采用改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化LS-SVM水量预测模型的正规化参数和核参数来提高模型的预测精度及预测速度.理论测试与实例分析表明,基于AGSA比基于GSA,遗传算法(genetic algorithms,GA)和粒子群优化算法(particle swarm optimization,PSO)的LS-SVM水量预测模型具有更好的预测精度,从而验证了基于AGSA的LS-SVM算法适用于小时级需水量预测问题,AGSA适用于多领域的模型参数的优化过程.
【作者单位】： 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;
【关键词】： 智能控制 需水量预测 最小二乘支持向量机 改进的引力搜索算法
【基金】：国家自然科学基金资助项目(61174059,61233004,61433002) 国家“973”计划资助项目(2013CB035406) 上海市经信委重大技术装备研制专项基金资助项目(ZB-ZBYZ-01112634) 上海市经信委引进技术与创新项目资助(12GA-31)
【分类号】：TU991.31;TP18
【正文快照】： 1弓丨言(Introduction) LS-SVM在解决小样本,高维模式识别等问题中城市用水需求的日益增加,使得如何有效经济地有着独特的优势,具有较高的泛化性能.其将模型的维持供需平衡成为当今社会的重大课题.近年来,需训练过程归结为线性方程组求解问题,大大提高了训水量的短期预测研究

【参考文献】

中国期刊全文数据库 前3条

1 M.GERMIN NISHA;G.N.PILLAI;;Nonlinear model predictive control with relevance vector regression and particle swarm optimization[J];Journal of Control Theory and Applications;2013年04期

2 刘建伟;黎海恩;刘媛;付捷;罗雄麟;;迭代再权共轭梯度q范数正则化线性最小二乘 支持向量机分类算法[J];控制理论与应用;2014年03期

3 冯琨;张永丽;戴沂伽;;基于因子分析的BP神经网络对成都市需水量的预测[J];四川环境;2011年02期

【共引文献】

中国期刊全文数据库 前7条

1 章政;王晓佳;;基于最小一乘的GA-SVR用电量预测[J];电子科技大学学报(社科版);2013年06期

2 仇军;王景成;;基于PSO-LSSVM的城市时用水量预测[J];控制工程;2014年02期

3 章政;王晓佳;于志军;;基于粒子群优化SVR的用电量预测[J];科技管理研究;2014年11期

4 章政;王晓佳;刘辉舟;;优化SVR的加权马尔可夫链用电量预测[J];计算机仿真;2014年09期

5 郭庆春;郝源;杜北方;张向阳;李静;;滇池水污染物浓度预测的人工神经网络模型[J];四川环境;2013年06期

6 章恒全;何薇;;基于主成分回归与灰色神经网络模型的水资源承载力需水量预测[J];水资源与水工程学报;2014年01期

7 李永梅;张学俭;张立根;;基于BP神经网络的宁夏水资源需求量预测[J];水资源与水工程学报;2014年06期

中国重要会议论文全文数据库 前2条

1 Liu Zhengfeng;Wang Jingcheng;Shi Yuanhao;Wang Bohui;Zhang Langwen;;A Hybrid Model for Furnace Exit Gas Temperature Monitoring Based on CM-LSSVM-PLS[A];第26届中国控制与决策会议论文集[C];2014年

2 Gang Ji;Jingcheng Wang;Yang Ge;Huajiang Liu;;Urban Water Demand Forecasting by LS-SVM with Tuning based on Elitist Teaching-Learning-based Optimization[A];第26届中国控制与决策会议论文集[C];2014年

中国博士学位论文全文数据库 前7条

1 安建强;节能调度环境下省级电力公司购售电优化模型[D];华北电力大学;2013年

2 邵喜高;基于统计学习理论的多核预测模型研究及应用[D];中南大学;2013年

3 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年

4 刘双印;基于计算智能的水产养殖水质预测预警方法研究[D];中国农业大学;2014年

5 李鹏;智能电网运营管理风险元传递模型及决策支持系统研究[D];华北电力大学;2014年

6 吕游;基于过程数据的建模方法研究及应用[D];华北电力大学;2014年

7 张谦;新能源风电运营不确定性收益管理方法及信息系统研究[D];华北电力大学;2014年

中国硕士学位论文全文数据库 前3条

1 肖皖林;别墅群冷热电三联供系统配置与性能评价的研究[D];华中科技大学;2013年

2 高洪香;宁夏黄土丘陵区水资源需求预测研究[D];宁夏大学;2013年

3 穆森辉;基于小波变换和最小二乘支持向量机的短期电力负荷预测技术研究[D];兰州大学;2014年

【二级参考文献】

中国期刊全文数据库 前7条

1 傅湘,纪昌明;区域水资源承载能力综合评价──—主成分分析法的应用[J];长江流域资源与环境;1999年02期

2 陈小强;胡向红;袁铁柱;张建;;BP神经网络在灌区需水量预测中的应用[J];地下水;2009年06期

3 刘建伟;李双成;罗雄麟;;p范数正则化支持向量机分类算法[J];自动化学报;2012年01期

4 霍金仙;郭永;刘文先;;基于BP网络的全国需水量预测研究[J];人民黄河;2009年09期

5 崔仰彬;董珊珊;杨曦;;人工神经网络在城市需水量预测中的应用[J];水利科技与经济;2009年11期

6 刘丹丹;冯利华;王宁;石磊;;基于BP神经网络的义乌市水资源需求量预测[J];水资源与水工程学报;2010年04期

7 刘昌明,王红瑞;浅析水资源与人口、经济和社会环境的关系[J];自然资源学报;2003年05期

中国硕士学位论文全文数据库 前1条

1 郭默;基于BP神经网络的施工扬尘量化建模研究[D];兰州大学;2010年

【相似文献】

中国期刊全文数据库 前10条

1 周日贵;谢强;姜楠;丁秋林;;多模式高概率量子搜索算法[J];南京航空航天大学学报;2007年02期

2 周日贵;;多模式部分量子搜索算法[J];西南交通大学学报;2008年04期

3 刘跃军;苏静;;一种改进三步搜索算法的设计与实现[J];河南科技大学学报(自然科学版);2008年04期

4 张敬敏;秦彭;贺毅朝;王彦祺;;一种改进的和声搜索算法及其应用[J];科学技术与工程;2013年13期

5 欧阳海滨;高立群;郭丽;孔祥勇;;混沌反向学习和声搜索算法[J];东北大学学报(自然科学版);2013年09期

6 ，

本文编号：559424