优化SVM在锅炉负荷预测中的应用.pdfVIP

第39卷第2期 电子科技大学学报 Vbl．39No．2 Journal ofElectronicScienceand ofChina Mar．20lO 2010年3月 ofUniversity Technology 优化SVM在锅炉负荷预测中的应用 陈其松1，陈孝威1，张欣2，吴茂念1 (1_贵州大学计算机科学与技术学院贵阳550025；2．贵州省光电子技术与应用重点实验室贵阳550025) 【摘要】提出智能优化支持向量机算法来提高模型的预测能力和泛化能力．该算法针对支持向量机噪声敏感问题采用小 波方法对数据集去噪；利用核主成分分析方法提取数据特征；采用量子粒子群算法优化支持向量机超参数。将该优化算法应 用于锅炉负荷短期预测，实验结果表明，该优化算法预测精度较高，收敛速度较快，泛化性能优于其他预测方法，且工程实 现容易． 关键词预测；核主成分分析；优化；量子粒子群算法；支持向量机 中图分类号TP301．1：TPl8 文献标识码A VectorMachineModelforBoilerLoad OptimalSupport WUMao-nianl CHEN Xiao．weil，ZHANGxin2,and Qi．son91，CHEN and (1．School ScienceTechnology,GuizhouUniversity 550025； ofComputer Guiyang 2．Ouizhou forPhotcel∞-trlc and KeyLaboratory TechnologyApplicationGuiyang550025) Abstract vector introducedinelectricboilerto Intelligentlyoptimalsupportmachine(SVM)were utility short-termload and transformiS tofilter ireprove forecastingaccuracygeneralizationability．Waveletadopted noisein and dataset．Kemel iSusedinfeatureselection．Then trainingtesting principlecomponentanalysis swarm iSchosentodeterminate inSVM．This quantum-behavedparticle algorithm optimalhyper-parameter hasbeen on andtheresultsshowthatthe cail tested optimalalgorithm powerplant predictiongethigherprecision and convergencespeed． words Key forecasting；kernelprinciplecomponent particle swarln vectormathines algorithm；support