基于混合算法优化支持向量机的供热负荷预测模型

摘要：

支持向量机回归(Support Vector Machine Regression,SVR)作为供热预测领域的一种新型算法,普适性强,但预测精度在一定程度上受参数选择的影响.为提高预测精度,提出一种基于差分进化(Differ?ential Evolution,DE)和灰狼优化(Grey Wolf Optimization,GWO)的混合算法(DE-GWO)对支持向量机的回归参数进行寻优.该算法首先利用DE的变异、选择维持种群的多样性,然后利用GWO的全局寻优能力搜索SVR的最优参数组合,并采用均方误差(MSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和判定系数(R2)对各种预测模型进行了评价.研究结果表明,DE-GWO-SVR预测模型的MAPE值为3.23％,优于SVR、DE-SVR、GWO-SVR模型,可为实际应用提供一定的参考.

关键词：热负荷预测、支持向量机、差分进化、灰狼优化、混合算法

所属期刊栏目：48

分类号：TU833(房屋建筑设备)

资助基金：国家重点研发计划项目2016YFC070070702

在线出版日期：2019-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：39-46