相关向量机与支持向量机在负荷预测中的比较.pdfVIP

·314 · 2008 全国博士生学术论坛电气工程论文集 相关向量机与支持向量机在负荷预测中的比较 段 青 1 赵建国 1 马 艳 2 1 山东大学电气工程学院 山东 济南 250061 2 山东电力工程咨询院 山东 济南 250061 【摘 要】 本文介绍了相关向量机（RVM ）回归分析的数学模型和其在短期电力负荷预测中的应用， 同时也使用了当前最具代表性的模式识别技术：支持向量机（SVM）作为比较。结果显示 相关向量机不仅得到了比支持向量机更高的准确性，而且在概率性预测、稀疏性和预测计 算时间等方面表现更加优异。最后针对相关向量机的不足进行了讨论。 【关键词】 相关向量机 支持向量机 电力负荷预测 Comparison of Relevance Vector Machine and Support Vector Machine in Power Load Prediction Duan Qing 1 Zhao Jianguo 1 Ma Yan2 1School of Electric Engineering Shandong University, Jinan 250061, Shandong, China 2 Shandong Electric Power Engineering Consulting Institute, Jinan 250061, Shandong, China Abstract ：In this paper ，we introduce the relevance vector machine （RVM ）and the regression application in short time power load prediction. For the comparison ，in the same conditions ，we present the popular and state-of-the-art support vector machine （SVM）. As the result shows ，RVM offers the superior of accuracy and a number of additional advantages ，these include ：probabilistic predictions ，higher sparse ，shorter decision time and etc. Some discussions about the shortcomings of relevance vector machine also are included. Key words ：relevance vector machine ；support vector machine ；power load prediction 1 介绍与回顾 N N 在一般模式识别过程 中，我们给出训练样本集包括输 向量 {x } 和与之相对应的目标 {t } ，其 n n=1 n n=1 中 tn 可以是某一实数（回归 ）或分类号（分类 ）。通过这些训练样本集的 “学 习”，我们期望得 到一个 模型能够从一个新的输 向量