本文關鍵詞：城市小時級需水量的改進型引力搜索算法-最小二乘支持向量機模型預測

  更多相關文章： 智能控制 需水量預測 最小二乘支持向量機 改進的引力搜索算法

【摘要】：本文研究利用最小二乘支持向量機(least squares support vector machine,LS-SVM)算法建立城市小時級需水量預測模型.采取精英策略,自適應的速度更新權重系數(shù),同時引入粒子歷史最優(yōu)信息對引力搜索算法(gravitational search algorithm,GSA)進行了改進.最后采用改進型引力搜索算法(ameliorated gravitational search algorithm,AGSA)優(yōu)化LS-SVM水量預測模型的正規(guī)化參數(shù)和核參數(shù)來提高模型的預測精度及預測速度.理論測試與實例分析表明,基于AGSA比基于GSA,遺傳算法(genetic algorithms,GA)和粒子群優(yōu)化算法(particle swarm optimization,PSO)的LS-SVM水量預測模型具有更好的預測精度,從而驗證了基于AGSA的LS-SVM算法適用于小時級需水量預測問題,AGSA適用于多領域的模型參數(shù)的優(yōu)化過程.
【作者單位】： 上海交通大學自動化系系統(tǒng)控制與信息處理教育部重點實驗室;
【關鍵詞】： 智能控制 需水量預測 最小二乘支持向量機 改進的引力搜索算法
【基金】：國家自然科學基金資助項目(61174059,61233004,61433002) 國家“973”計劃資助項目(2013CB035406) 上海市經(jīng)信委重大技術裝備研制專項基金資助項目(ZB-ZBYZ-01112634) 上海市經(jīng)信委引進技術與創(chuàng)新項目資助(12GA-31)
【分類號】：TU991.31;TP18
【正文快照】： 1弓丨言(Introduction) LS-SVM在解決小樣本,高維模式識別等問題中城市用水需求的日益增加,使得如何有效經(jīng)濟地有著獨特的優(yōu)勢,具有較高的泛化性能.其將模型的維持供需平衡成為當今社會的重大課題.近年來,需訓練過程歸結為線性方程組求解問題,大大提高了訓水量的短期預測研究

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 M.GERMIN NISHA;G.N.PILLAI;;Nonlinear model predictive control with relevance vector regression and particle swarm optimization[J];Journal of Control Theory and Applications;2013年04期

2 劉建偉;黎海恩;劉媛;付捷;羅雄麟;;迭代再權共軛梯度q范數(shù)正則化線性最小二乘 支持向量機分類算法[J];控制理論與應用;2014年03期

3 馮琨;張永麗;戴沂伽;;基于因子分析的BP神經(jīng)網(wǎng)絡對成都市需水量的預測[J];四川環(huán)境;2011年02期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 章政;王曉佳;;基于最小一乘的GA-SVR用電量預測[J];電子科技大學學報(社科版);2013年06期

2 仇軍;王景成;;基于PSO-LSSVM的城市時用水量預測[J];控制工程;2014年02期

3 章政;王曉佳;于志軍;;基于粒子群優(yōu)化SVR的用電量預測[J];科技管理研究;2014年11期

4 章政;王曉佳;劉輝舟;;優(yōu)化SVR的加權馬爾可夫鏈用電量預測[J];計算機仿真;2014年09期

5 郭慶春;郝源;杜北方;張向陽;李靜;;滇池水污染物濃度預測的人工神經(jīng)網(wǎng)絡模型[J];四川環(huán)境;2013年06期

6 章恒全;何薇;;基于主成分回歸與灰色神經(jīng)網(wǎng)絡模型的水資源承載力需水量預測[J];水資源與水工程學報;2014年01期

7 李永梅;張學儉;張立根;;基于BP神經(jīng)網(wǎng)絡的寧夏水資源需求量預測[J];水資源與水工程學報;2014年06期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 Liu Zhengfeng;Wang Jingcheng;Shi Yuanhao;Wang Bohui;Zhang Langwen;;A Hybrid Model for Furnace Exit Gas Temperature Monitoring Based on CM-LSSVM-PLS[A];第26屆中國控制與決策會議論文集[C];2014年

2 Gang Ji;Jingcheng Wang;Yang Ge;Huajiang Liu;;Urban Water Demand Forecasting by LS-SVM with Tuning based on Elitist Teaching-Learning-based Optimization[A];第26屆中國控制與決策會議論文集[C];2014年

中國博士學位論文全文數(shù)據(jù)庫 前7條

1 安建強;節(jié)能調度環(huán)境下省級電力公司購售電優(yōu)化模型[D];華北電力大學;2013年

2 邵喜高;基于統(tǒng)計學習理論的多核預測模型研究及應用[D];中南大學;2013年

3 劉曉娟;基于智能方法的電力系統(tǒng)負荷預測模型及其應用研究[D];東華大學;2014年

4 劉雙印;基于計算智能的水產(chǎn)養(yǎng)殖水質預測預警方法研究[D];中國農(nóng)業(yè)大學;2014年

5 李鵬;智能電網(wǎng)運營管理風險元傳遞模型及決策支持系統(tǒng)研究[D];華北電力大學;2014年

6 呂游;基于過程數(shù)據(jù)的建模方法研究及應用[D];華北電力大學;2014年

7 張謙;新能源風電運營不確定性收益管理方法及信息系統(tǒng)研究[D];華北電力大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 肖皖林;別墅群冷熱電三聯(lián)供系統(tǒng)配置與性能評價的研究[D];華中科技大學;2013年

2 高洪香;寧夏黃土丘陵區(qū)水資源需求預測研究[D];寧夏大學;2013年

3 穆森輝;基于小波變換和最小二乘支持向量機的短期電力負荷預測技術研究[D];蘭州大學;2014年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 傅湘,紀昌明;區(qū)域水資源承載能力綜合評價──—主成分分析法的應用[J];長江流域資源與環(huán)境;1999年02期

2 陳小強;胡向紅;袁鐵柱;張建;;BP神經(jīng)網(wǎng)絡在灌區(qū)需水量預測中的應用[J];地下水;2009年06期

3 劉建偉;李雙成;羅雄麟;;p范數(shù)正則化支持向量機分類算法[J];自動化學報;2012年01期

4 霍金仙;郭永;劉文先;;基于BP網(wǎng)絡的全國需水量預測研究[J];人民黃河;2009年09期

5 崔仰彬;董珊珊;楊曦;;人工神經(jīng)網(wǎng)絡在城市需水量預測中的應用[J];水利科技與經(jīng)濟;2009年11期

6 劉丹丹;馮利華;王寧;石磊;;基于BP神經(jīng)網(wǎng)絡的義烏市水資源需求量預測[J];水資源與水工程學報;2010年04期

7 劉昌明,王紅瑞;淺析水資源與人口、經(jīng)濟和社會環(huán)境的關系[J];自然資源學報;2003年05期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 郭默;基于BP神經(jīng)網(wǎng)絡的施工揚塵量化建模研究[D];蘭州大學;2010年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周日貴;謝強;姜楠;丁秋林;;多模式高概率量子搜索算法[J];南京航空航天大學學報;2007年02期

2 周日貴;;多模式部分量子搜索算法[J];西南交通大學學報;2008年04期

3 劉躍軍;蘇靜;;一種改進三步搜索算法的設計與實現(xiàn)[J];河南科技大學學報(自然科學版);2008年04期

4 張敬敏;秦彭;賀毅朝;王彥祺;;一種改進的和聲搜索算法及其應用[J];科學技術與工程;2013年13期

5 歐陽海濱;高立群;郭麗;孔祥勇;;混沌反向學習和聲搜索算法[J];東北大學學報(自然科學版);2013年09期

6 ，

本文編號：559424