我的世界粒子优化 粒子优化算法的基本思想

昭棠笔记 2023-01-25

撕袜美女-我为祖国献石油伴奏

2022年5月1日发

(作者:金希澈图片)

第38卷 第5期 

V_ol-38 

计算机工程 

2012年3月 

March 20l2 

No.5 

Computer Engineering 

人工智能及识别技术・ 文章编号:10o _3428(2012)05— 19每__03 文献标识码:A 中图分类号:TP18 

基于粒子优化的Wv.SVM燃气负荷预测 

赖兆林,徐晓钟 

(上海师范大学信息与机电工程学院文章代,上海200234) 

摘要:针对传统预测模型精度不高的问题广西网站建设,提出基于小波核支持向量机的复合预测模型。采用小波分析提取燃气负荷相关的特征值,通 

过粒子优化算法确定小波核支持向量机的参数51广告联盟,利用支持向量机(SVM)解决非线性回归和时间序列问题镇江网站推广。实验结果证明,该预测模型的 

预测精度比BP神经网络和传统高斯核SVM高天津百度优化。 

关健词:支持向量机;核函数;粒子优化;燃气负荷;小波;预测模型 

WV.SVM Gas Load Forecast Based On Particle Swarm Optimization 

LAI Zhao-lin.XU Xiao-zhong 

(School of Information Mechanical and Electrical Engineering,Shanghai Normal University搜狗站长平台,Shanghai 200234俄罗斯推广,China) 

|Abstractl Facing an uncertain,nonlinear网站制作计划,dynamic and complicated systemyijiawang,gas load forecasting generally can not get a sufficient accuracy result 

when using traditional forecast mode1.This paper proposes a wavelet V—Support Vector Machine(SVM)compound model网站推广的作用,wavelet analysis 

extracting the feature of gas load福州seo推广,and PSO determining the parameter of Wv—SVM model深圳seo博客,solving nonlinear regression and time series problems. 

Experimental results show that the proposed model outperforms he tback propagation neural network and traditional Gauss SVM mode1. 

|Key wordsI Support Vector Machine(SVM);kernel function;Particle Swarm Optimization(PSO);gas load;wavelet;forecast model 

D0I:10.39690.issn.1000—3428.2012.05.060 

1概述 

天然气已成为世界第三大能源…,燃气预测有极其重要 

的意义seo培训教程。当前预测模型的研究已取得不少研究成果,文献[2】 

采用线性回归模型,但这种方法很难解决非线性关系问题。 

素曲线进行分析排名优化。据研究,对负荷影响较大的气象数据包括 

更高温度、更低温度、平均温度,湿度、降雨、风速等 。 

在冬季,气温每loc的变化什么是营销,会引起用气量5%-6%的变化, 

而风速、大雨等气候因素对用气量的影响不超过5% 沧州百度推广。 

从图1可明显地看到负荷曲线与平均温度呈现周期性的 

文献【3]使用时间序列模型,这种预测模型忽略了影响负荷预 

测的其他因素网络广告销售,不能充分利用负荷值随温度、季节、日期类 

变化苏州seo优化,平均温度高时燃气使用量低,平均温度低时燃气使用 

量高百度排名培训。 

型等因素呈现周期性变化的信息。文献【4]采用人工神经网络 

的方法。 

这些算法在收敛精度、收敛速度以及全局优化这方面有 

所改善徐州网站优化,但是这类方法的最终解过于依赖初值seo优化培训,会出现过学 

习现象,训练过程中存在局部极小问题镇江网站制作,且收敛速度比较慢sem公司, 吕 U 

网络的隐节点数难以确定等问题。与传统的神经网络相比青岛网站优化, 

支持向量机(Suppo ̄Vector Machine,SVM)能通过结构风险 

最小化避免过学习、灾难数据等问题。 

目前,对SVM预测模型的研究及应用已逐渐趋向成熟, 

粒 

《 

皿 

晕 

魁 

赠 

霹 

文献【5】在气象预测领域seo网站优化服务,通过SVM与传统神经网络进行比 

较alex排名,预测精度明显提高。文献【6】通过遗传算法与SVM结合 

对企业财务困境进行预测,取得了良好的预测效果。 

图1 3年内的燃气日负荷与平均温度曲线 

本文利用小波变换将燃气负荷分解为高低频序列,从分 

解出的每个频率成分抽取出与预测负荷相关的特征值培训seo,作为 

支持向量机的输入并进行预测。由于粒子优化(Particle 

Swarm Optimization汕尾网,PSO)算法在多维空间函数寻优、动态目 

对比图2和图3网站文章代写,可以发现冬季的燃气使用量比夏季的 

受温度影响更加显著。节假日的负荷与其他日期会有很明显 

的不同文章代,在中国泸州网站建设,春节假期的燃气使用量从图4中可以看出北京网站优化, 

除夕和元宵节的负荷量变化比较大利为汇,春节假期后负荷曲线 

回落。 

基金项目:上海师范大学产学研基金资助项目;上海燃气指挥系统 

智能化研究和开发基金资助项目(DCL200go1) 

标寻优等方面有着收敛速度快、非劣解质量高、鲁棒性好等 

优点,因此用该算法对本文提出的Wv—SVM预测模型进行 

参数优化聊城seo。在实验部分竟价,对粒子算法与交叉验证法、遗传 

算法进行比较。 

2燃气数据特征分析 

本节讨论影响燃气负荷的各种因素上海sem,为了选出影响负荷 

作者倚介:赖兆林(1986一),男,硕士,主研方向:人工智能; 

徐晓钟,副教授 

的关键变量台州网站优化,需要对负荷曲线特征和影响负荷波动的各种因 收稿日期:2011—08—29 E-mail:lzl_education@163.corn 

第38卷第5期 赖兆林网站地址,徐晓钟:基于粒子优化的Wv—SVM燃气负荷预测 197 

200 

—150 

吕 

j毫 

丑1nn 

圈2夏季燃气日负荷与平均强度曲线 

量 

英文网络推广。叶 

: 

坦 

丑 

图3冬季燃气日负荷与平均温度曲线 

2O0 

g 

0 

握 

皿 

时削/天 

圈4春节假期燃气H负荷 

3预 模型 

3.1小渡桉支持向量机 

支持向量机(SVM) 的思想是通过用内积函数定义的非 

线性变换将输入空间变换到一个高维空间企业推广方式,在这个高维空间 

中寻输入变量和输出变量之间的一种线性关系哈尔滨做网站。对于训练 

样本集{Xi开平网, 网站推广员,Xi R 为输入变量的值深圳seo推广公司,Y e R为相应的输 

出值关键词优化怎样,z为训练样本个数海南网站建设。回归问题就是寻一个从输入空 

间到输出空间的映射,f:R _÷R,使得_,( )=y陕西百度推广。SVM的 

目标是寻求回归函数: 

Y=深圳网络营销推广,( )=(co・ )+易 (1) 

其中, ∈R 为权重;XE R 为样本输入值;b∈R为阈值北京网络营销。 

根据统计学理论,SVM通过极小化目标函数来确定回归函 

数优化大师官方免费下载,即: 

min{ lI叫J+c(v + 砉( + ))} 

l(( ’xi)+6)一Yi≤£+ 

s.t.{Y 一(( ・x1)+6)≤£+ (2) 

I ≥o505美分,s≥0 

其中云南网站开发,C,v为用来平衡模型复杂性项 刮l 和训练误差项的权 

重参数;£为不敏感损失函数; 视频营销, 为松弛因子绥化网。 

对于约束条件,引入相应的乘子 “株洲网站建设,a , 如何快速收录, 旅游网络推广, ≥0软文广告案例。 

根据wolf对偶技巧和拉格朗日算法求解上述问题,将得到 

SVM的回归函数: 

_厂( )=∑(Ⅱ —a)K(xi, )+b (3) 

i=1 

K(xigoogle排名优化, )=妒( )妒( ,)为核函数,通过非线性变换将原问题 

映射到某个高维特征空间中的线性问题上进行求解爱排名seo。 

小波分析作为一种有效的时频分析工具具有局部化、多 

层次、多分辨的优点,在许多非线性科学领域内获得了广泛 

的应用成都竞价托管哪家好,例如文献[1Ol: ̄U用小波技术又名随州站长网,对具有不规则特性的 

气温数据方面进行了深入研究武汉seo服务。本文采用的是Morlet小波上海网络营销, 

Morlet小波核函数为: 

d f 一 1 

k(x, )=兀cos(1.75x _=_— ) (4) 

i=l 

其中seo工具, 表示第m个训练输入样本的第m个分量,z;d代表 

输入向量的维数。 

3.2粒子优化算法 

粒子优化(PSO)算法是一种新兴的智能优化算法广州优化, 

具有很强的全局优化能力。在PSO系统中,每个优化问题的 

解都是搜索空间里的粒子网络营销手段,不同粒子具有不同的个体适应 

度怎样做网站推广,而且每个粒子根据自身的飞行经验和体的飞行经验调 

整自己的飞行方向和距离http www baidu com。在不断的循环迭代中网络推广好做吗,粒子通过 

跟踪2个极值更新自己的位置:一个极值是粒子本身所能 

到的更优解P 594站长,即个体更好位置;另一个极值是整个种目 

前到的更优解P。tag的正确用途,即全局更好位置百度快照删除。在到这2个更优值 

后baiud,粒子可以更新自己的速度和位置深圳搜索优化。 

在PSO中又名南平站长网, 的选择是关键网址提交,当其值较大时如何快速收录,能有较 

好的全局搜索能力潜江网站建设,当其值较小时,能有较强的局部搜索能 

力移动网站设计。调整其大小为: 

(f)=w—iter/(Wm 一u,mj )ffP‘ (5) 

其中,iter表示当前迭代次数;itermax为运行的更大迭代数; 

Ⅵ,m 、H 分别为惯性因子的更大和最小设定值莱芜网站推广。 

4实验与结果分析 

4.1参数选择 

为便于比较51啦统计,实验中分别利用交叉验证法和遗传算法 

(GA,交叉概率0.8,变异概率0.2%,种数和更大迭代次 

数与PSO算法一样),对Wv—SVM模型进行参数选择汉中建网站,结果 

如表1所示,PSO的均方误差最小拉萨网站建设,表明了PSO算法在对 

Wv—SVM模型参数选择方面优于交叉验证法和遗传算法。 

表1小波棱支持向量杌的参数选择结果 

4.2预测结果 

取某省会城市2008年2月1日一2008年5月31日共 

120日的数据,其中前100日(2008年2月1日一2008年5月 

10日)的数据作为训练集baidu风云榜,后20日(2008年5月1 1日一 

2008年5月31日)的数据作为测试集。图5为实际负荷与拟 

合的负荷曲线,拟合的相对误差在区间(一2.5,2.5)站长工具seo808,平均相 

对误差为1.93%,表明本文提出的预测模型达到良好的拟合 

效果。 

198 计算机工程 2012年3月5日 

E 

: 

靼 

g 

缸 

时I司_/天 

圈5拟合曲线 

图6为3种不同预测模型预测20天内的燃气负荷结果。 

从图6可以看出sns是什么意思,BP神经网络的预测值有几个点偏离实际 

值比较大软文撰写,高斯核SVM和小波核SVM预测曲线明显比神经 

网路的要接近于实际值南京丁丁网,也说明了支持向量机模型在预测燃 

气负荷时比神经网络度要高。 

暑 

j坦 

g 

皿 

图6疆涓楱基曲线 

图7~图9给出了3种预测模型的相对误差,BP神经网 

络预测的相对误差区间为(一6深圳谷歌seo,6),平均误差为4.1%,高斯核 

SVM预测的相对误差区间为(一3,3),平均误差为2.4%,PSO 

Wv—SVM预测相对误差区间为(一2.5网络宣传推广,2.5)什么是网赚,平均误差为1.9%。 

_-_tl I 1_ 

:__I"tl_I・一 

时间/天 

图7 BP神经阿络顶测误差 

圈8高斯核SVM疆测误差 

一 )404 not found怎么解决,榭噬韶 

6 4 2 O 

。主 

0 

.I-_tlI II_ _ 

薹 

l 

_2 :●___I I一 

3 

时f刚_/天 

圈9 PSOWv-SVM预 误差 

表2给出了不同预测模型的误差指数分布移动互联网推广,比较3种不 

同预测模型的平均误差(MAE)、平均百分比误差 

(MAPE)、根方差(RMSE)南通网络营销,BP神经网络的值更大,证明了 

SVM模型在样本有限的情况下预测燃气负荷度要高于 

神经网络。再比较本文提出的PSO Wv—SVM与传统高斯核 

SVM、PSO Wv—SVM的MAE、MAPE、RMSE都低于高斯核 

SVM。从数据分析,MAE低0.532 4seo北京,MAPE低0.009 7网址提交,RMSE 

低0.482 7。很明显地看到,小波作为支持向量机的核函数比 

高斯核在预测燃气负荷数据方面具有更强的优越性,并且粒 

子算法也优化了核参数,所以整个组合模型的精度明显高 

于传统SVM网站收录提交。 

表2 3种预 模型的误差统计 

5结束语 

本文提出了基于粒子优化算法的小波核支持向量机预 

测模型东网站seo公司,用于燃气负荷预测,其精度比BP神经网络和传统 

高斯核支持向量机模型高网站建设步骤,证明了该算法在分析燃气负荷序 

列时的有效性,并用粒子算法优化小波核支持向量机模型 

参数,对支持向量机的参数优化关键是建立合适的性能指标 

函数aidu com,然后用智能优化方法来求解,粒子优化算法与遗传 

算法相比,优点在于流程简单易实现竞价推广开户,算法参数简洁南充网络公司,无需 

复杂的调整重庆网络广告。SVM方法泛化能力强、无局部极小值问题刷搜搜下拉框,被 

认为是神经网络的替代算法写软文。 

如何将SVM方法与已有的其他理论有机结合运营app,发挥各 

自优势,提高预测性能网站改版收费,也是后继研究的方向提升网站关键词。天气因素对 

燃气负荷预测有重要的影响,但当前只能获得13平均温度数 

据,如果能获得中各时段的气象数据,则将进一步提高 

负荷预测的精度合肥百度推广。 

参考文献 

[1】Berger G World Offshore Oil食品网络营销,Gas Production Has Risen 

Steadily[J].Oil&Gas Journal网络广告销售技巧,2004,102(14):30-32. 

}2] Papalexopoulos A D,Hesterberg T C. A Regression—based 

Approach tO Short—term Load Forecasting[J].IEEE Trans.on 

Power Systems百度竞价多少钱,1990,5(4):1535-1547. 

[3】 Saab S湘潭网站seo,Badr Eseo网络赢利的秘密,Nasr G Univariate Modeling and Forecasting of 

Energy Consumption:The Case of Electircity in Lebanon[J]. 

Energy网站建设的费用,2001,26(1):1—14. 

(下转第201页) 

写意人生粤语-你说你想要逃偏偏注定要落脚是什么歌