基于改进LSSVM的火电企业低碳发展水平评价研究
发布时间：2021-10-09 06:05
伴随我国工业化水平的快速提高,能源消费增长带来的气候变化问题成为阻碍民生、制约经济的重大隐患。火电企业作为电力行业中的“高碳代表”,其粗放燃煤的遗留问题使其承受国家政策、社会责任与企业效益的多重压力。低碳发展作为一种”低碳”与”发展”有机结合的发展模式,强调以技术创新等手段实现火电企业的低碳排放与可持续发展,已成为我国火电企业转型的关键机会和必然选择,对实现企业、行业的可持续发展具有重要的意义。火电企业低碳发展水平的评价工作就是衡量火电企业当前的低碳发展状况,从而为提升企业低碳发展水平制定出更具有针对性的改进措施。本文以火电企业为研究对象,在分析国内外低碳发展水平评价研究进程的基础上,结合低碳发展与综合评价相关理论,引入“驱动力-压力-状态-影响-响应”模型与“5C”分析法构成的DPSIR-5C组合模型构建出一套科学合理的火电企业低碳发展水平评价指标体系,并提出BTS-熵权组合法确定指标权重。然后,本文建立了基于鲸鱼算法优化的最小二乘支持向量机评价模型衡量火电企业的低碳发展水平,利用鲸鱼算法强大的全局及局部搜索能力优化最小二乘支持向量机的关键参数,克服了单一模型参数随机性的缺点,对收集...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
DPsIR-SC模型框契图
支持向量就是距离最优平面不同类型最近的点所在的直线，只要确定了支持向??量，就确定了最优平面，即为最优化解。假设在支持向量机模型的训练样本集??｛（＼，５＾）｜１?＝?１，２，‘＂，１１｝４?６尺１１为输入数据，）＾＃??保?保??掷啾昵??保贝?硌?靖鍪??纾崳?图４－１中所示，最优分界面＋?正负样本的分类标签分别为１和－１，则有正??负样本：??ｔｏＴ?Ｘ?—ｂ?＞?０，ｙｆ?＝１??？Ｔ?ｘ－ｂ?＜?０，ｙｊ?＝?－１?（４－１６）??其中？表示权值，ｂ表示阈值，上式中两边都乘以ｙｉ，可以得到??ｙｊ（ｃｏＴｘ?＋?ｂ）＞ｌ，ｉ?＝?ｌ，２，－－－，ｎ?（４－１７）??根据结构风险最小化原则，ＳＶＭ的优化目标是使两个分类平面之间的间隔Ｈ最大，??和ｘ２分别为两条线上的点，将两式相减，然后利用向量内积求解方法，可以得到ｘ，?－ｘ２??在ｃｏ方向上的投影Ｈ，即??ｃｏＴ（ｘ
鲸鱼优化算法（Ｗｈａｌｅ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ａｌｇｏｒｉｔｈｍ，?ＷＯＡ）是一种基于自然启发算法的??搜索优化算法，由Ｍｉｉｊａｌｉｌｉ等人［６９］开发，其基本原理是模拟座头鲸的运动和捕猎的过程??中群体鲸鱼形成螺旋形状从鱼群下方吐出气泡，又称为＂气幕捕鱼”，如图４－２所示。??图４－２鲸鱼的气幕捕鱼原理图［６９１??ＷＯＡ算法是当前较新的智能优化算法，董昀轩＠］曾通过对照实验的方式测试ＷＯＡ??算法的性能，实验结果表明ＷＯＡ算法具有优异的全局收敛能力，同时与粒子群算法、??遗传算法、退火算法相比具有更快的收敛速度和优秀的拟合效果。另外，鲸鱼优化算法??兼顾全局搜索与局部搜索，调节参数少，计算更简单。明显的优越性使该算法在实际中??得到广泛的应用。本文从座头鲸捕猎方式的过程出发，介绍此算法实现全局搜索和寻优??的三个阶段的原理［６９】：??（１）包围猎物??座头鲸在捕食过程中，首先观察猎物所在的位置，以距离猎物最近的鲸为局部最优??解，其它鲸鱼不断更新自己的位置向最优解靠近并环绕目标，用数学语言表述如下：??３５??
【参考文献】：
期刊论文
[1]基于EEMD-PSO-SVM的月度CPI预测研究[J]. 邰晓红,刘义. 统计与决策. 2019(03)
[2]基于SVM的碳金融风险预警模型研究[J]. 谷慎,汪淑娟. 华东经济管理. 2019(03)
[3]SVM财务欺诈识别模型[J]. 曹德芳,刘柏池. 东北大学学报(自然科学版). 2019(02)
[4]基于主客观综合赋权的矿业遗迹可拓学评价[J]. 李小伟,徐以艳,郭飞,张业明. 三峡大学学报(自然科学版). 2018(06)
[5]经济增长与二氧化碳减排的双赢路径分析[J]. 何建坤,卢兰兰,王海林. 中国人口·资源与环境. 2018(10)
[6]中国城市低碳发展水平评估方法研究[J]. 石龙宇,孙静. 生态学报. 2018(15)
[7]我国低碳经济法律政策分析[J]. 杨永利. 中国市场. 2018(11)
[8]《巴黎协定》后全球气候治理的形势与中国的引领作用[J]. 何建坤. 中国环境管理. 2018(01)
[9]可持续发展理论:概念演变、维度与展望[J]. 张晓玲. 中国科学院院刊. 2018(01)
[10]全球气候治理形势与我国低碳发展对策[J]. 何建坤. 中国地质大学学报(社会科学版). 2017(05)
博士论文
[1]电力低碳发展模型及决策支持系统研究[D]. 孙伟.华北电力大学 2015
[2]我国产业集群低碳发展水平及升级模式研究[D]. 王欢芳.中南大学 2013
硕士论文
[1]一种新型动态人工鲸鱼算法的研究及在时间序列预测中的应用[D]. 董昀轩.兰州大学 2018
[2]电力低碳转型背景下的中国电源规划研究[D]. 雷祺.华北电力大学(北京) 2017
[3]发电企业低碳竞争力评价研究[D]. 侯天昊.华北电力大学 2016
[4]商业银行对中小企业授信的风险控制探索[D]. 吴柯.西南财经大学 2013
本文编号：3425786
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
DPsIR-SC模型框契图
支持向量就是距离最优平面不同类型最近的点所在的直线，只要确定了支持向??量，就确定了最优平面，即为最优化解。假设在支持向量机模型的训练样本集??｛（＼，５＾）｜１?＝?１，２，‘＂，１１｝４?６尺１１为输入数据，）＾＃??保?保??掷啾昵??保贝?硌?靖鍪??纾崳?图４－１中所示，最优分界面＋?正负样本的分类标签分别为１和－１，则有正??负样本：??ｔｏＴ?Ｘ?—ｂ?＞?０，ｙｆ?＝１??？Ｔ?ｘ－ｂ?＜?０，ｙｊ?＝?－１?（４－１６）??其中？表示权值，ｂ表示阈值，上式中两边都乘以ｙｉ，可以得到??ｙｊ（ｃｏＴｘ?＋?ｂ）＞ｌ，ｉ?＝?ｌ，２，－－－，ｎ?（４－１７）??根据结构风险最小化原则，ＳＶＭ的优化目标是使两个分类平面之间的间隔Ｈ最大，??和ｘ２分别为两条线上的点，将两式相减，然后利用向量内积求解方法，可以得到ｘ，?－ｘ２??在ｃｏ方向上的投影Ｈ，即??ｃｏＴ（ｘ
鲸鱼优化算法（Ｗｈａｌｅ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ａｌｇｏｒｉｔｈｍ，?ＷＯＡ）是一种基于自然启发算法的??搜索优化算法，由Ｍｉｉｊａｌｉｌｉ等人［６９］开发，其基本原理是模拟座头鲸的运动和捕猎的过程??中群体鲸鱼形成螺旋形状从鱼群下方吐出气泡，又称为＂气幕捕鱼”，如图４－２所示。??图４－２鲸鱼的气幕捕鱼原理图［６９１??ＷＯＡ算法是当前较新的智能优化算法，董昀轩＠］曾通过对照实验的方式测试ＷＯＡ??算法的性能，实验结果表明ＷＯＡ算法具有优异的全局收敛能力，同时与粒子群算法、??遗传算法、退火算法相比具有更快的收敛速度和优秀的拟合效果。另外，鲸鱼优化算法??兼顾全局搜索与局部搜索，调节参数少，计算更简单。明显的优越性使该算法在实际中??得到广泛的应用。本文从座头鲸捕猎方式的过程出发，介绍此算法实现全局搜索和寻优??的三个阶段的原理［６９】：??（１）包围猎物??座头鲸在捕食过程中，首先观察猎物所在的位置，以距离猎物最近的鲸为局部最优??解，其它鲸鱼不断更新自己的位置向最优解靠近并环绕目标，用数学语言表述如下：??３５??
【参考文献】：
期刊论文
[1]基于EEMD-PSO-SVM的月度CPI预测研究[J]. 邰晓红,刘义. 统计与决策. 2019(03)
[2]基于SVM的碳金融风险预警模型研究[J]. 谷慎,汪淑娟. 华东经济管理. 2019(03)
[3]SVM财务欺诈识别模型[J]. 曹德芳,刘柏池. 东北大学学报(自然科学版). 2019(02)
[4]基于主客观综合赋权的矿业遗迹可拓学评价[J]. 李小伟,徐以艳,郭飞,张业明. 三峡大学学报(自然科学版). 2018(06)
[5]经济增长与二氧化碳减排的双赢路径分析[J]. 何建坤,卢兰兰,王海林. 中国人口·资源与环境. 2018(10)
[6]中国城市低碳发展水平评估方法研究[J]. 石龙宇,孙静. 生态学报. 2018(15)
[7]我国低碳经济法律政策分析[J]. 杨永利. 中国市场. 2018(11)
[8]《巴黎协定》后全球气候治理的形势与中国的引领作用[J]. 何建坤. 中国环境管理. 2018(01)
[9]可持续发展理论:概念演变、维度与展望[J]. 张晓玲. 中国科学院院刊. 2018(01)
[10]全球气候治理形势与我国低碳发展对策[J]. 何建坤. 中国地质大学学报(社会科学版). 2017(05)
博士论文
[1]电力低碳发展模型及决策支持系统研究[D]. 孙伟.华北电力大学 2015
[2]我国产业集群低碳发展水平及升级模式研究[D]. 王欢芳.中南大学 2013
硕士论文
[1]一种新型动态人工鲸鱼算法的研究及在时间序列预测中的应用[D]. 董昀轩.兰州大学 2018
[2]电力低碳转型背景下的中国电源规划研究[D]. 雷祺.华北电力大学(北京) 2017
[3]发电企业低碳竞争力评价研究[D]. 侯天昊.华北电力大学 2016
[4]商业银行对中小企业授信的风险控制探索[D]. 吴柯.西南财经大学 2013
本文编号：3425786
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3425786.html
