基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测.pdfVIP

SHIPENGnEERING 船 舶 工 程 、，01．35No．12013 总第 35卷，2013年第 1期 基于迭代局部搜索和 自适应粒子群优化的 SVM短期负荷预测 王海斌 ，刘维亭 ，徐 卉2 (1．江苏科技大学 电子信息学院，江苏镇江 212003；2．沪东中华造船集团有限公司，上海 200129) 摘 要：为了能够进一步的提高船舶电力负荷的预测精度，针对 SVM 模型在负荷预测中存在的参 数选取问题，该研究提出了一种新的参数优化算法：基于迭代局部搜索和自适应粒子群优化的组合算法。 自适应粒子群算法提高了传统粒子群算法的收敛速度，引入的迭代局部搜索思想，配合新的极值评价标 准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明，利用新的参数优化算法使得 SVM预测模型的精度得到了很大的提高。 关键词：迭代局部搜索；粒子群；自适应；支持向量机 中图分类号：TM715．1；U665．12 文献标志码：A 文章编号：1000．6982(2013)O1．0057．04 SVM Short-term LoadForecastingBasedonIteratedLocal SearchandAdaptiveParticleSwarm Optimization WANG Ha1．bin，LIU W ei．ting，XUHui2 (1．SchoolofElectronicandInformation，JinagsuUnive~ityofSciencenadTechnology,JiangsuZhenjiang212003，China； 2．HudongChineseshipbuildinggroupCo．，Ltd，Shnaghai200129，China) Abstract： Inordertofurtherimprovethepredictionaccuracyofshippowerload,hteresearchintroducesa newparameteroptimizationalgorithmaimingattheparameterselectionofSVM thatis,combinationalgorithm basedonhteiteratedlocalsearchandadaptiveparticleswarmoptimization．Adaptiveparticleswarmalgorithm improveshtetraditionalparticleswarm algorithm convergencespeed Theiteratedlocalsearchandhtenew exrtemevalueevaluationcriteriacanwellsolvetheproblemhtattheparticleswaFI9Ialgorihtmiseasytouf·llinto localoptimum．Thesimulationresultsshow thathteprecisionofSVM isimprovedalotusinghtenew parametersoptimizationalgorithm． Keywords： iteratedlocalsearch；particleswarm；adaptive；supportvectormachine VM) 随着船舶向着大型化、现代化、智能化的方向发 度取得了一定的提高。为了进一步提高船舶电力负荷 展，船舶电力负荷预测这一课题显得越来越重要 】【J。 的预测精度，本文提出了基于迭代局部搜索和 自适应 近年来，智能预测被广泛的运用到电力负荷的预测之 粒子群优化相结合的算法对 SVM 的参数进行选择。 中。基于统计学习理论中的VC理论和结构风险最小 算法根据 目标函数值的变化 自适应的修改陨性