变结构遗传最小二乘支持向量机法预测日用水量.pdf

第45卷第 1期 浙 江 工 业 大 学 学 报 Vo1．45NO．1 2017年 2月 J0URNALOFZHEJIANGUNIVERSITYOFTECHNOLOGY Feb．2O17 变结构遗传最小二乘支持向量机法预测 日用水量 陈 磊 ，石 也 (浙江工业大学 建筑工程学 院，浙江 杭州 310014) 摘要：为解决 日用水量预测模型的动态参数估计 问题，提出了基于变结构遗传最小二乘支持向量机 的预测模型．以日用水量的主要影响 因素和相关 日用水量为输入 ，利用遗传算法对基于 LSSVM 的 历史日用水量模型参数进行寻优 ，获得模型结构参数序列；采用扩展卡尔曼滤波器估计基于最小二 乘支持向量机的预测 日用水量模型参数 ，进而预测下一 日用水量．实例分析表明：提 出的模型具有 较高的预测精度，预测的最大绝对相对误差仅为 9．3 ，平均绝对相对误差为2．O9％． 关键词 ：遗传算法；最小二乘支持 向量机 ；变结构；扩展卡尔曼滤波；日用水量 中图分类号：TU991．33 文献标志码 ：A 文章编号 ：1006—4303(2017)01—0069—04 Dailywaterdemandforecastingmethodbasedonvariablestructure geneticleastsquaressupportvectorm achine CHEN Lei，SHIYe (CollegeofCivilEngineeringandArchitecture，ZhejiangUniversityofTechnology，Hangzhou310014，China) Abstract：To dynamically estimate theparametersofdailywater consumption model，a new variable—structuregeneticleastsquaresvectormachine(LSSVM )一basedmodelisproposed．The principalfactorsofdailywaterconsumptionandthecorrelativedailywaterconsumptionareused asthemodelinputs．W ith geneticalgorithm ，theparametersseriesofLSSVM—based historical dailywaterconsumptionmodelsaredetermined．W ith theseries，ExtendedKalmanFilter(EKF) isappliedtoestimatetheparametersofLSSVM-—basednext——daypredictionmodelandthenext——day dailywater consumption isforecasted．Casestudy showsthattheproposed modelhashigher forecastingperformance in term ofamaximum absoluterelative error of9．3 and a mean abSOluterelativeerr0rof2．09％． Keywords：geneticalgorithm；leastsquaresvectormachine；variablestructure；extendedKalman Filter；dailywaterconsumption 科学的管网调度能节省大量的供