基于最小二乘的支持向量机在电力需求预测中的应用

摘要：

文章针对常规电力需求预测方法的不足,在分析SVM的线性和非线性分类方法的基础上提出一种基于最小二乘的支持向量机预测方法.LS-SVM模型采用结构风险最小化原则,能够在对小样本学习的基础上,对其他样本快速、准确的拟合预测,具有更好的泛化性能和精度,减少对初始值的依赖.文章采用河北省某市实际的负荷数据,按照不同的负荷日属性和历史数据属性进行样本选择,使用径向基核函数进行了电力需求预测.将预测结果与真实值和由时间序列及BP神经网络方法得到的结论进行比较,表明所提出的预测模型具有较高的精度,是有效和可行的.

关键词：电力需求预测、结构风险最小化、最小二乘支持向量机、核函数

所属期刊栏目：13

分类号：F273(企业经济)

资助基金：教育部高等学校博士学科点专项科研基金20040079008;华北电力集团公司资助项目2004-22 KH1360

在线出版日期：2008-06-03（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：76-80