基于SVM的风电工程项目风险评价及防控措施研究

发布时间：2020-04-02 03:27

【摘要】：我国的风电行业在近十几年一直保持高速增长的态势。但是风电项目面临着经济、技术、政策等多方面的不确定影响,盲目地进行投资建设会造成社会资源的浪费以及投资者自身利益的损失。因此,在进行风电项目投资建设之前,有必要对其所面临的项目风险进行风险评估。传统的项目风险评估方法,不够精确同时需要的样本量较大,基于人工神经网络的风电项目风险评估模型容易陷入局部最优的问题,基于这种情况,本文提出适用于小样本、高维度的支持向量机算法应用于风电工程项目风险评估中。本文首先介绍了风电工程项目风险分析研究的背景和意义,简述了支持向量机的研究现状以及风电工程项目风险研究的方法理论;其次,介绍了风险的相关理论,着重研究分析了支持向量机的理论以及支持向量机在不同方面的应用;然后,根据我国风电工程项目的具体情况和发展特点,提出了应用于支持向量机评估的风电工程项目风险评估指标体系;而后,根据本文提出的风电工程项目风险评估指标体系以及相关历史数据构建了基于支持向量机的风电项目风险评估模型,该模型适用于我国内陆风电工程项目的风险评估;为了验证模型的实用性,本文进行了实证分析,对TA风电工程项目的风险进行评估;最后通过实证分析总结了风电工程项目风险防控的对策。本文结合机器学习理论中的支持向量机方法,对风电工程项目风险进行了评估,构建了适用于风电工程项目风险评估的支持向量机模型,同时将该模型应用于实际的案例中,分析评估了大唐新能源公司的TA风电工程项目的风险,并提出了风险防控的对策,具有一定的理论意义同时具备较强的实际价值。
【图文】：

图２－１最优分类超平面逡逑我们要求所有的训练样本数据都可以被分类超平面正确的进行分类时，求判别函数满足式（２－３）。逡逑ｙｔ［｛（0邋－逦＝邋＼，２，，．．．，ｎ逦（２－３满足（２－３）式的条件同时可以使得分类间隔２／｜｜仍｜｜最大，那么这个分类超

华北电力大学硕士学位论文逡逑面就是最优超平面。逡逑如图２－１所示，两种类型的训练样本，其中距离最优超平面最近的点被称为逡逑支持向量，该点即是使得（２－３）式等号成立的样本点。顾名思义，这些向量共同支逡逑撑了最优分类面。逡逑可得将求取最优超平面的问题归化为求解一个约g?优化问题，即在（２－３）的约逡逑束条件下，使得下式最小逡逑０（ｆｆｌ）邋＝邋ｉ｜｜？｜｜２邋＝逦（２－４）逡逑综合上述的分析，则由拉格朗日函数可以给出上述问题的解逡逑Ｌ（ａ，ｂ，ａ）邋＝邋＼｛ｃｏ－邋（0）邋－邋ｂ－Ｋ？＇ｘ；）邋－－１｝逦（２－５）逡逑．逦／邋＝邋Ｉ逡逑其中，ａ，２０是拉格朗日系数，ａ邋＝邋（ｃ＾２，．．．，《，／式（２－５）存在且只存在唯一最优逡逑解。逡逑对拉格朗日函数的极值点，必须满足下面的条件：逡逑ｄＬ（ｊｊ）
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.61;F272.3

【相似文献】

相关期刊论文 前10条

1 叶志雄;王丹弘;;基于海量数据的不平衡SVM增量学习的钓鱼网站检测方法[J];电信工程技术与标准化;2016年12期

2 齐兴;;结合主方向和SVM的人脸表情识别[J];廊坊师范学院学报(自然科学版);2016年04期

3 冯东梅;吴健伟;;矿井突水水源的SVM识别方法[J];辽宁工程技术大学学报(自然科学版);2017年01期

4 杨清;文红;陈松林;王玉秀;;基于SVM算法的移动智能终端安全等级分级模型[J];通信技术;2017年04期

5 满宴辰;杨成佳;;图像视觉显著性和改进型SVM在图像分割中的研究[J];通讯世界;2017年08期

6 程凤伟;;一种基于决策树的SVM算法[J];太原学院学报(自然科学版);2017年01期

7 吴翠颖;周涛;陆惠玲;姚中宝;王媛媛;杨鹏飞;;基于集成SVM的肺部肿瘤PET/CT三模态计算机辅助诊断方法[J];生物医学工程研究;2017年03期

8 汤海花;;基于SVM的医药企业财务危机预警研究[J];中国集体经济;2017年29期

9 王芳;吴志泉;史红权;;SVM在空中目标威胁值评估中的应用[J];火力与指挥控制;2017年09期

10 杨海兰;周培祥;;基于SVM的中国家族企业引入外部职业经理人风险预测研究[J];经济体制改革;2017年05期

相关会议论文 前10条

1 李薇;刘琦;马占鸿;;基于SVM法的小麦条锈病潜育期冠层高光谱识别研究[A];植保科技创新与农业精准扶贫——中国植物保护学会2016年学术年会论文集[C];2016年

2 杨镇宇;祝诗平;;基于机器视觉和SVM的花椒外观品质检测[A];2009全国虚拟仪器大会论文集（二）[C];2009年

3 张国栋;朱明华;余圣甫;张建强;李志远;;药芯焊丝飞溅率的SVM模型研究[A];第十五次全国焊接学术会议论文集[C];2010年

4 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

5 滕卫平;胡波;滕舟;钟元;;SVM回归法在西太平洋热带气旋路径预报中的应用研究[A];S1 灾害天气研究与预报[C];2012年

6 陈志建;宋家骅;程琳;;基于小波SVM的高速公路交通事件检测算法[A];城市交通发展模式转型与创新——中国城市交通规划2011年年会暨第25次学术研讨会论文集[C];2014年

7 朱蕾;朱国栋;石江;;SVM方法在乌鲁木齐机场跑道视程预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年

8 王薇;李晓辉;;CDMA系统中基于SVM的多用户检测算法[A];第十九届电工理论学术年会论文集[C];2007年

9 王红军;徐小力;付瑶;;基于SVM的旋转机械故障诊断知识获取[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

10 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

相关博士学位论文 前10条

1 张元侠;基于SVM学习模型的换挡决策研究[D];吉林大学;2019年

2 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

3 欧阳玲;基于遥感和SVM模型的松嫩平原南部耕地质量评价[D];中国科学院大学(中国科学院东北地理与农业生态研究所);2017年

4 陈沅涛;图像视觉显著性和改进型SVM在图像分割中的研究[D];南京理工大学;2014年

5 张克;基于地震正演模拟和SVM的煤与瓦斯突出危险区预测研究[D];中国矿业大学;2011年

6 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年

7 陈志茹;基于SVM集成学习的miRNA靶基因预测研究[D];燕山大学;2015年

8 陈梅香;基于SVM和GIS的梨小食心虫预测系统的研究[D];北京林业大学;2010年

9 江娜;SVM及其在船舶航向控制系统故障预报中的应用研究[D];哈尔滨工程大学;2008年

10 黄剑锋;基于振动信号SVM的管壳式换热器堵塞故障诊断方法研究[D];华南理工大学;2016年

相关硕士学位论文 前10条

1 高晗;基于SVM的图像分类算法[D];吉林大学;2019年

2 郑留洋;基于车联网数据的货车出行风险画像与影响因素分析[D];北京交通大学;2019年

3 赵云飞;基于SVM的风电工程项目风险评价及防控措施研究[D];华北电力大学(北京);2019年

4 许丽;用SVM回归实验对大气污染数据的处理研究[D];天津财经大学;2018年

5 王洪兵;SVM集成与增量算法在入侵检测中的应用研究[D];武汉理工大学;2018年

6 代瑜;基于SVM与LDA的WEB正文提取[D];武汉工程大学;2018年

7 邓琼;道路交通标志的检测算法研究[D];安徽工程大学;2018年

8 金j;SVM与神经网络的组合模型在短期电力负荷预测中的应用研究[D];吉林大学;2018年

9 袁志辉;深度学习与SVM相融合的新闻分类技术研究[D];华北理工大学;2018年

10 钱坤;基于MSER和遗传优化SVM的交通标志识别的研究[D];大连理工大学;2018年

本文编号：2611383