[发明专利]一种基于粒子群算法和支持向量机的年度全社会电量预测方法

摘要

本发明公开了一种基于粒子群算法和支持向量机的年度全社会电量预测方法，包括以下步骤：选取0至n‑1年度时间段内的样本数据X＝{(xi，fi)，i＝0，2，....，n‑1,其中：xi，fi∈R}；对样本X数据和新的自变量数据xi进行归一化；以SVM在优化过程中的均方误差(mse)作为PSO中的适应度函数g(x)，使用PSO算法寻找归一化的样本空间中的最优冗余参数C和RBF参数σ；将PSO优化完成的冗余参数C*和σ*代入SVM，使用SVM对归一化的样本集合进行参数训练，得出训练后的αi和b；把PSO优化后的参数和SVM训练后的参数代入SVM，输入归一化自变量数据xn，得出归一化的预测结果；对归一化的预测结果进行反归一化，最终得出预测年度全社会电量fn。该方法提高了年电量预测的准确性。

主权项

一种基于粒子群算法和支持向量机的年度全社会电量预测方法，其特征在于，包括以下步骤：步骤1：选取0至n‑1年度时间段内的样本数据X＝{(xi,fi),i＝0,2,....,n‑1,其中：xi,fi∈R}，其中，fi表示年度全社会电量，xi表示地区年度国民生产总值；步骤2：对样本X数据和新的自变量数据xi进行归一化；步骤3：以SVM在优化过程中的均方误差(mse)作为PSO中的适应度函数g(x)，使用PSO算法寻找归一化的样本空间中的最优冗余参数C和RBF参数σ；步骤4：将PSO优化完成的冗余参数C*和σ*代入SVM，使用SVM对归一化的样本集合进行参数训练，得出训练后的αi和b；步骤5：把PSO优化后的参数和SVM训练后的参数代入SVM，输入归一化自变量数据xn，得出归一化的预测结果；步骤6：对归一化的预测结果进行反归一化，最终得出预测年度全社会电量fn。