支持向量机在城市用水量短期预测中的应用

摘要：

为解决现有的城市用水量短期预测人工神经网络法的过学习与局部极小点等问题,通过对城市时用水量数据特征的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于支持向量机(SVM)理论的城市用水量短期预测数学模型.在算例分析中与误差逆传播(BP)神经网络预测法进行对比,发现该方法的平均预测精度提高了2%,且具有收敛速度快、泛化能力强等优点,在用水量短期预测中非常有效.

关键词：城市用水量、短期负荷预测、支持向量机、结构风险最小化准则、核函数

所属期刊栏目：38

分类号：X321;TU991.31(环境规划与环境管理)

资助基金：中国科学院资助项目50278062;50578108

在线出版日期：2006-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1021-1025