基于遗传算法优化的LS_SVM模型的应用研究.pdfVIP

知 识 丛 林 基于遗传算法优化的LS- SVM 模型的应用研究 a a b 刘险峰 ，郭志钢 ，朱小梅 （西南石油大学 经济管理学院； 计算机科学学院，成都 ） a. b. 610500 摘 要：文章介绍了最小二乘支持向量机及遗传算法的原理，利用遗传算法优化参数后的最小 二乘支持向量机建立四川省天然气消费量的时间序列预测模型。 并利用两个性能指标将其与 神 BP 经网络模型进行了对比，结果表明，在样本有限保证一定精度的情况下，遗传算法优化参数后的最小 二乘支持向量机模型的范化能力较强，能够利用该模型对四川省天然气消费量进行预测，并在最后 利用该模型预测2007~2009 年四川省天然气消费量。 关键词：最小二乘支持向量机；遗传算法；四川省天然气消费量；预测 中图分类号： 文献标识码： 文章编号： （ ） O141 A 1002-6487 2009 18-0162-03 天然气作为清洁能源的代表，具有洁净、高效、资源丰 置等紧密相关，同时也是反映居民生活消费水平的一个重要 富、方便储运等优点，十五期间在四川省能源消费总量构成 指数。 因此对其进行精确预测对于四川省天然气产业整体协 中仅次煤炭稳占第二，而且呈现逐步上升的态势。 作为天然 调发展具有非常重要的意义。 气资源大省，天然气消费量不仅与天然气资源开发的可持续 本文将利用一种新的机器学习方法——— 最小二乘支持 发展、天然气生产与消费企业生产运作、天然气输送管网布 向量机（LS-SVM ）来对四川省天然气消费量进行预测，并在 基金项目：四川省哲学社会科学“十一五”规划2007 年度基地项目 之间的关系。 对这一数据的初步分析表明， 我们发现当消费者 的年龄大于 周岁时，他们属于细分市场 的可能性 36 A 随着年龄的增加而降低，而当消费者的年龄小于 周 36 岁时， 他们属于细分市场 的可能性随着年龄的增加 A 而增加，因此标准的线性logistic 回归不能充分拟合此 数据， 因此对此Binary 响应数据考虑用非参数回归模 型来拟合。 图1 Logit(P)的贝叶斯惩罚祥条估计 图2 Probabillity(P) 的贝叶斯惩罚祥条估计 令响应变量 表示消费者是否属于细分市场 ， y A x 表示消费者的年龄 是连续的协变量， 表示一个年龄 (AGE) p(x) 为 岁的消费者属于该细分市场的概率，取结点数