基于蛙跳算法的改进支持向量机预测方法及应用.pdfVIP

第42卷第9期 中南大学学报(自然科学版) Vb1．42 NO．9 2011年 9月 JournalofCentralSouthUniversity(ScienceandTechnology) Sep2011 基于蛙跳算法的改进支持向量机预测方法及应用 宋晓华 ，杨尚东 ，刘达 (1．华北电力大学 经济与管理学院，北京，102206； 2．国网能源研究院 科研发展部，北京，100052) 摘要：针对支持向量机在中长期负荷预测中关键参数选择的问题 ，引入蛙跳算法(SFLA)~优化基于支持向量机的 中长期负荷预测算法，解决支持向量机参数选择问题。以对中国能源消费总量预测为例，对本文提出的改进算法 进行验证。以1979— 1999年的能源消耗量作为样本，能量消耗量进行检验。研究结果表明：引 入蛙跳算法后，与用粒子群(PSO)算法改进的支持向量机以及普通支持向量机方法相比，改进支持向量机预测精 度分别提高2．34％和3．21％，算法运行时间分别增加51S和 109S。 关键词：支持向量机；蛙跳算法；预测方法 中图分类号：TU457；TU413．6 文献标志码：A 文章编号：1672—7207(2011)09—2737—04 Improvedsupportvectormachineforecastingmodelby shuffl edfrogleapingalgorithm anditsapplication SONGXiao—hua，YANG Shang．dong，LIU Da (1．NorthChinaElectricPowerUniversity,EconomicandManagementInstitute，Beijing102206，China； 2．StateGridEnergyResearchInstiutte，ResearchandDevelopmentDepartment，Beijing100052，China) Abstract：Byintroducingtheshuffledfrogleapingalgorithm tosolvetherandom-choiceproblem ofthekeyparameters， thenew supportvectormachineoptimizedwasproposed．Inordertoverifytheoptimizedeffect，basedonthetraining examplingenergydemandfrom 1979to1999，theimprovedSVM wasusedtoforecastthetotaleneryg demandofChina in 2000--2009．Theresultsshow thatcomparedtothenormalPSO—SVM andSVM responsively,thetimeofthe improvedSVM increasesby51Sand109S，andtheprecisionoftheproposedmethodincreasesby2．34％and3．21％， respectively． Keywords：supportvectormachine；shuffledfrogleapingalgorithm；forecastingmodel 中长期能源需求总量预测是谋划能源工业科学发 量机的学习机制，以进一步提升算法学习能力和预测 展的重要基础性工作。能源需求总量的变化受到多种 模型的精度。支持 向量机预测的效果在很大程度上受 复杂因素的影响，如何提升其预测的准确性一直吸引 到其核函数 中关键参数选择的影响3[】，为此，本文作 着众多学者关注和研究。传统研