新型支持向量机在风速预测模型中的应用研究.pdfVIP

第43卷 第 5期 电 子 科 技 大 学 学 报 V0l1．43 No．5 2014年9月 JournalofUniversityofElectronicScienceandTechnologyofChina Scp．2014 新型支持向量机在风速预测模型中的应用研究 刘忠宝 (中北大学计算机与控制工程学院 太原 030051) 【摘要】在短期风速预测方面支持向量机已被广泛应用并取得较好的效果．然而，随着应用的深入，其逐渐暴露出两大 问题：一，对噪声较为敏感；二，未能充分利用样本已有信息。为进一步提高支持向量机的泛化能力，该文提出模糊流形支 持向量机FMSVM。该方法引入模糊技术，保证不同样本区别对待，减少或消除噪声的影响；充分利用流形判别分析的性质， 进一步改进支持向量机，在分类决策时同时考虑样本的边界信息、分布特征以及局部流形结构。通过某风场风速数据集上的 比较实验验证该方法的有效性。 关 键 词 模糊隶属度；流形判别分析：支持向量机；风速预测 中图分类号 TP391 文献标志码 A doi：10．3969~．issn．1001．0548．2014．05．021 ResearchonW indSpeedForecastingM odelBased onNovelSupportVectorM achine LIUZhong-bao (SchoolofComput~andCon~o|Engineering,NorthUniversityofChnia Taiyuan 030051) Abstract Supportvectormachine(SVM)iswidelyusedniwnidspeedforecastnigandtheforecastedresults areverifiedwel1．W theapplicationsgetmorenitensive．htereexisttwoproblemsin SVM ．OneiSitiStoo sensitivetonoisesnadhteohteriSitCna notfullyusetheniformationnicludednihtesamples．Inview ofthis．a fuzzymanifold-basedsupportvectormachnie(FMSVM)isproposednithispapertosolvetheaboveproblemsand ufrtherimprovethegeneralizationcapabilityofSVM．RⅥSVM nitroduceshteufzzytechniquestodecreasethe influenceofhtenoises．Menawhile，n SVM takesboundarydatabewt eenclasses，datadistributionsnadmnaifold seriously．Thecomparativeexpermi entsshow tIlatnvISVM performsbetterhtna SVM onhteWniddatasetsofa certainwnidfarm． Keywords fuzzymembershipfunction；manifolddiscriminnatnaaysis(MDA)； SVM；wnidspeed forecastnig 风能是一种清洁型、可再生能源，已被世界各 = {(，)，(jc2，J，2)，…，( ， )) 。 其 中 ， 国高度重视并将其作为新能源发电的首选 l【2‘1。文献 ∈R (1≤i≤ +Ⅳ2=Ⅳ)为样本； ∈{1，-1)为类 3【】指出，对风电场风速的准确预测有利于发电系统 别标签。当1≤ ≤ 时， =1；当 +1≤i≤N 效率的提高。支持向量机(SVM) 】是一种经典的模 时， =一l。