基于粒子群算法优化支持向量机的山东省煤炭需求量预测.pdf

基于粒子群算法 优化支持向量机的山东省煤炭需求量预测 张赛(山东科技大学 矿业与安全工程学院，山东 青岛266590) 摘 要：运用粒子群算法(PSO)对支持向量机 (SVM)进行改进，建立了煤炭需求预测模型。利用粒子群算法优化支 持向量机中的惩罚参数和核参数，充分发挥了粒子群算法的全局搜索能力，很好地克服了支持向量机模型参数选择问题。 以此对煤炭的需求量进行预测，为其提供参考。通过对2011到2012年山东的煤炭需求量预测分析结果表明：基于粒子群 算法优化的支持向量机可以准确地对煤炭需求量做出预测。 关键词 ：山东煤炭需求；粒子群算法 ；支持向量机；预测 中图分类号：17426．21；TP18 文献标志码 ：B 文章编号：1008—0155(2017)07—0057—02 作为山东的重要能源——煤炭，占到了省内 1建立指标体系 能源消费的近80％，对于山东省的社会和经济的 为了科学的预测山东省煤炭需求量，首先要 稳定发展起着至关重要的作用，若对预测煤炭需 制定一套科学合理的指标体系。因此，这里借鉴 求作科学预测，可以指导煤炭生产，避免过剩，同 国内众多专家和学者的经验-3J，结合山东省 自身 时又能保证经济发展的需求。 的情况，在指标体系构建原则的指导下，选取了包 本文使用粒子群算法优化后的支持向量机模 括总人口、GDP增长率、能源消费弹性系数、煤炭 型对山东省的煤炭需求量进行预测。在实际使用 生产量和煤炭占能源消费总量比重在内的五个指 过程中模型参数的选择是支持向量机存在的突出 标作为备选指标，如表 1所示。 问题 ¨]。通过实例分析，验证粒子群算法优化 这里的指标类型包括正 向指标和负 向指 的支持向量机对煤炭需求预测的准确性和实用 标 4【】，正向指标的指标值越大，则是越促进煤炭需 性，为以后对煤炭需求量的预测提供了一种新的 求量提高的指标；负向指标的指标值越大，则为越 参考方法。 促进煤炭需求量降低的指标。 表 1 煤炭需求量预测指标体系 备选指标名称 指标类型 总人 口 A + GDP增长率 B + 能源消费弹性系数 C 煤炭生产量 E + 煤炭占能源消费总量比重 F + 2实证分析 作为此次的训练样本，来测试2011年到2012年的 2．1样本采集 数据。 本文选取了山东省2001年到2012年的相关 2．2样本数据的处理 数据作为研究对象如表2。数据来源于山东统计 变量的数值会受到度量单位的影响，度量单位 局发布的相关数据，选取2001年到2010年的数据 不一致可能会导致统计分析结果的不同 ]。此外， 表 2 2000年 一2012年煤炭数据 时间 总人口 GDP增 能源消费 煤炭需求量 煤炭占能源消费 (万人) 长率(％) 弹性系数 (万吨) 总量比重 20o1 9O41 10