基于遗传算法优化支持向量回归机参数的供热负荷预测

发布时间：2018-04-17 07:34

  本文选题：遗传算法 + 支持向量回归机　； 参考：《暖通空调》2017年02期

【摘要】：为了进一步提高供热负荷的预测精度,通过分析影响支持向量回归机(SVR)性能表现的参数,提出了基于遗传算法优化的SVR供热负荷预测模型。该方法利用交叉验证思想在模型性能评估和选择方面的优势,结合遗传算法的全局寻优能力,实现了参数的自动优选,并用由此得到的最佳模型进行供热负荷预测。应用某热源的实测数据进行了仿真实验,与其他算法的比较表明,该方法相对误差绝对值的平均值为4.33%,比传统SVR降低了10.77%,比小波神经网络降低了5.28%。
[Abstract]:In order to further improve the forecasting accuracy of heat supply load, by analyzing the parameters that affect the performance of support vector regression machine (SVR), a heat supply load forecasting model based on genetic algorithm (GA) optimization is proposed.This method utilizes the advantage of cross-validation in performance evaluation and selection of the model and combines the global optimization ability of genetic algorithm to realize the automatic optimization of parameters. The optimal model is used to forecast the heat supply load.The simulation experiment is carried out by using the measured data of a heat source. The comparison with other algorithms shows that the average relative error of this method is 4.33, which is 10.7777 lower than the traditional SVR and 5.288b lower than the wavelet neural network.
【作者单位】： 中国能源建设集团山西省电力勘测设计院有限公司;太原理工大学;
【基金】：“十二五”国家科技支撑计划项目(编号:2012BAJ04B02)
【分类号】：TU833;TP18

【参考文献】

相关期刊论文 前8条

1 王美萍;张佼;田琦;;基于影响因素分析和小波神经网络的供热量预测[J];暖通空调;2014年03期

2 夏威钧;于重重;刘载文;田嫦丽;;基于PSO-LSSVR的造纸企业能耗预测模型的研究[J];计算机测量与控制;2013年12期

3 张捍东;张莉;汤敏;;云模型优化LSSVR的短期电力负荷预测[J];自动化仪表;2013年11期

4 贺瑶;方彦军;;基于PSO-SVR的飞灰含碳量软测量研究[J];自动化与仪表;2013年04期

5 任化准;薛玉林;余小平;肖毅博;蒋法恒;;DGA-SVR日径流非线性预报模型及应用[J];水电能源科学;2012年08期

6 邓盛川;于德亮;齐维贵;;基于乘积季节ARIMA模型的供热负荷预报[J];沈阳工业大学学报;2011年03期

7 马涛,徐向东;基于小波网模型的区域供热系统负荷预测[J];清华大学学报(自然科学版);2005年05期

8 郝有志 ,李德英 ,郝斌;基于神经网络的供热计量系统热负荷短期预测[J];暖通空调;2003年06期

【共引文献】

相关期刊论文 前10条

1 张佼;田琦;王美萍;;基于遗传算法优化支持向量回归机参数的供热负荷预测[J];暖通空调;2017年02期

2 曾发明;汪福源;;基于ARIMA的乘积季节模型在桥梁拱座位移监测中的应用[J];江西科学;2016年06期

3 王惠中;刘轲;朱宏毅;;基于云模型RBF支持向量机的电力系统负荷预测[J];兰州理工大学学报;2016年04期

4 王惠中;刘轲;杨世亮;;基于云模型的电力系统负荷组合预测[J];计算机系统应用;2016年05期

5 蒋道福;陈吉平;杨雪洁;刘昊;苏航;;基于小波神经网络的集中供热智能预测[J];科技创新与应用;2016年11期

6 刘泉;牛国成;胡冬梅;;LS-SVM在城市供热系统热负荷预测中的应用研究[J];长春理工大学学报(自然科学版);2015年06期

7 景胜蓝;王飞;雷勇刚;;热负荷预测方法研究综述[J];建筑热能通风空调;2015年04期

8 李琦;韩颖;;基于天气预报的集中供热系统短期热负荷预测[J];自动化与仪表;2015年05期

9 任金霞;游鑫;余志武;;基于动态模糊神经网络的短期电力负荷预测[J];江西理工大学学报;2015年03期

10 吴永建;;供热节能中存在问题与对策分析[J];科技与企业;2015年05期

【二级参考文献】

相关期刊论文 前10条

1 宋杰鲲;;基于支持向量回归机的中国碳排放预测模型[J];中国石油大学学报(自然科学版);2012年01期

2 龙文;徐松金;;变尺度混沌优化参数的LSSVM短期负荷预测[J];水电能源科学;2011年11期

3 王奔;冷北雪;张喜海;单纕，

本文编号：1762667