煤炭需求量预测的支持向量机模型.pdfVIP

维普资讯 第 36卷 第 1期 中国矿业大学学报 Vo1．36 No．I 2007年 1月 JournalofChinaUniversityofMining＆Technology Jan．2007 文章编号：1000—1964(2007)01—0107—04 煤炭需求量预测的支持向量机模型 贾存 良，吴海山，巩教卫 (中国矿业大学 信息与电气工程学院，江苏 徐州 221116) 摘耍：根据选择的嵌入雏数，建立 了基于支持 向量 回归的中国煤炭需求量预测模型．用 l98O一 2002年的中国煤炭需求量构造了支持向量机的输入 向量和输 出向量l经过与线性核函数及 Sig— moid核函数的对比，选用基于径向基函数 (RBF)作为校函数，在分析预测误差和模型参数关系 的基础上，选择了合适的参数，建立了多输入、单输出的支持向量机(sVM)预测模型．用检验样 本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情 况下，仍有较高的预测精度和较强的泛化能力，证 明了该模型对近期的预测是可靠的．最后用训 练好的支持向量机模型很好地预测了2003—2006年我国的煤炭需求量． 关键词 ：支持向量机l煤炭需求量 l预测 中图分类号 ：TP181 文llIc标识码：A CoalDemandPredictionBasedonaSupportVectorMachineModel 儿A Cun-liang，WU Hai—shan，GONGDun-wei (SchoolofInformationandElectronicEngineering。ChinaUniversityofMining＆Technology， Xuzhou，Jiangsu221116，China) Abstract：A forecastingmodelforooaldemandofChinausingasupportvectorregressionwas constructed．W ith theselectedembedding dimension，theoutputvectorsand inputvectors wereconstructedbasedonthecoaldemandofChinafrom 1980to2002．Aftercomparedwith linea1kernelandSigmoidkernel，aradialbasisfuncti0n(RBF)wasadoptedasthekernelfunc— tion．Byanalyzingtherelationshipbetweentheerrormarginofpredictionandthemodelpa— rameters。theproperparameterswerechosen．Thesupportvectormachines (SVM )model withmulti-inputandsingleoutputwasproposed．ComparedthepredictorbasedonRBFneural networkswithtestdatasets，theresultsshow thattheSVM predictorhashigherprecisionand greatergeneralizationability．Intheend，thecoaldemandfrom 2003to2006isaccuratelyfore— casted． · Keywords：supportvectormachine；coaldemand,prediction 煤炭作为我国的基础能源，占到了国内能源消 支持向量机是由Vapnik等在上世纪 9O年