偏最小二乘法支持向量機短期負荷預(yù)測

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負荷智能組合預(yù)測方法。在考慮負荷日周期性的基礎(chǔ)上,通過對歷史負荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負荷數(shù)據(jù)序列,并對每個歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進行負荷預(yù)測;采用最小二乘支持向量機回歸算法對不同灰色模型的預(yù)測結(jié)果進行非線性組合,以獲取最終預(yù)測值。該方法在充分利用灰色模型所需原始數(shù)據(jù)少、建模簡單、運算方便等優(yōu)勢的基礎(chǔ)上,結(jié)合最小二乘支持向量機所具有的泛化能力強、非線性擬合性好、小樣本等特性,提高了預(yù)測精度。仿真結(jié)果驗證了所提出組合方法的有效性和實用性。

通過影響因素分析,確定了軟土層厚度、軟土層壓縮模量、地表硬層厚度、地表壓縮模量、路堤高度、路堤頂寬、路基填筑時間和填筑竣工時沉降量等參數(shù)對公路軟基沉降有影響。對公路軟基的觀測數(shù)據(jù)進行分析和取樣,輸入樣本為各參數(shù),輸出樣本為路堤中線下地表沉降值,利用最小二乘支持向量機的非線性映射和泛化能力,通過訓(xùn)練,建立了公路軟基沉降預(yù)測模型。研究表明,所建立的模型對公路軟基沉降進行預(yù)測具有較高的精度,同時具有很好的泛化性能。

基于最小二乘支持向量機回歸的基坑變形預(yù)測——將最小二乘支持向量機回歸用于基坑變形預(yù)測．根據(jù)基坑位移的實測時間序列資料，應(yīng)用最小二乘支持向量機回歸建立了基坑位移與時間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機回歸用于基坑變形預(yù)測，具有較高的預(yù)...

針對在工程實踐中,應(yīng)用單一方法預(yù)測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機回歸綜合單一方法預(yù)測沉降量。該方法能綜合單一方法的特點,增強了模型的普適性,從而提高了預(yù)測精度和預(yù)報期次。文中討論了如何實現(xiàn)和運用該方法,最后通過實例驗證了其有效性。

提出了1種基于混沌分析和支持向量回歸機的短期空調(diào)負荷預(yù)測建模方法。通過研究實際空調(diào)負荷序列的混沌特性,確定其混沌特征參數(shù)并選取支持向量回歸機進行預(yù)測。支持向量機建模過程使用粒子群算法進行參數(shù)尋優(yōu)。仿真結(jié)果表明,空調(diào)負荷序列具有一定的混沌特性,使用混沌支持向量機方法的預(yù)測精度比單一支持向量機法預(yù)測結(jié)果eep指標降低了31.4%,預(yù)測精度有了明顯提升。

提出了基于小波支持向量機(wsvm)與相空間重構(gòu)(psrt)相結(jié)合的電力系統(tǒng)短期負荷預(yù)測(stlf)模型。使用小波核函數(shù)(wkf)構(gòu)建相應(yīng)的wsvm,并且用云遺傳算法(cga)對相關(guān)參數(shù)進行優(yōu)化。在分析負荷時間序列的混沌特性基礎(chǔ)上,對序列進行了psrt,將相空間中的向量點作為wsvm的輸入。該方法不考慮氣象和節(jié)假日等條件,只使用歷史負荷數(shù)據(jù)。仿真結(jié)果表明,新算法有較好的精確度和有效性,具有一定的實用價值。

改進的最小二乘法計算固結(jié)系數(shù)——目前計算固結(jié)系數(shù)常用的方法是時間對數(shù)法和平方根法，這兩種方法屬于作圖法，同時這兩種方法僅利用了試樣固結(jié)試驗中沉降量與時間關(guān)系曲線中較少的數(shù)據(jù)，人為因素影響較大，確定固結(jié)系數(shù)有一定誤差，因此，如果利用固結(jié)過程中的...

隧道圍巖變形預(yù)測的最小二乘支持向量機方法——為及時掌握圍巖變形趨勢并采取措施加以控制，在嶺南高速雪家莊隧道施工過程中，采用一種新的時間序列預(yù)測模型--最小二乘支持向量機(ls-svm)。介紹了ls．svm的基本原理和該預(yù)測模型的具體操作步驟，實踐表明，該方...

針對最小二乘支持向量機在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進行建模預(yù)測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓(xùn)練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻度,依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量;最后更新每個樣本的可能貢獻度,繼續(xù)從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機負荷實際應(yīng)用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現(xiàn)模型稀疏化的同時,能夠顯著改善最小二乘支持向量機模型的魯棒性.

基于最小二乘支持向量機的砂土液化預(yù)測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預(yù)測模型，預(yù)測結(jié)果與野外實際情況全部相符，表明該分類方法用于預(yù)測砂土液化是可行的，且預(yù)測準確率高。

基于最小二乘支持向量機回歸的單樁豎向極限承載力預(yù)測——基于單樁載荷試驗數(shù)據(jù)，采用最小二乘支持向量機(lssvm)回歸的方法，建立了單樁豎向極限承載力的預(yù)測模型．利用文獻中樁的載荷試驗數(shù)據(jù)來訓(xùn)練lssvm模型，并確定了模型參數(shù)．研究結(jié)果表明，同常用的bp網(wǎng)絡(luò)...

基于最小二乘支持向量機的砂土液化預(yù)測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預(yù)測模型，預(yù)測結(jié)果與野外實際情況全部相符，表明該分類方法用于預(yù)測砂土液化是可行的，且預(yù)測準確率高。

針對神經(jīng)網(wǎng)絡(luò)存在結(jié)構(gòu)較難確定,訓(xùn)練易陷入局部最小等問題,提出將最小二乘支持向量機和相似搜索用于預(yù)測出清電價。該方法對相似搜索得到的相似負荷日的數(shù)據(jù)用最小二乘支持向量機建立預(yù)測模型,采用美國newenglandiso的真實數(shù)據(jù)做驗證,結(jié)果表明該方法比bp神經(jīng)網(wǎng)絡(luò)有更高的預(yù)測精度,是一種有效的預(yù)測方法。

為了獲得更理想的混凝土強度預(yù)測結(jié)果,提出一種混沌粒子群算法優(yōu)化最小二乘支持向量機（lssvm）的混凝土強度預(yù)測模型。首先采集混凝土強度數(shù)據(jù),并進行歸一化處理。然后采用lssvm對混凝土強度與影響因子之間的變化關(guān)系進行建模,并采用混沌粒子群算法搜索最優(yōu)lssvm參數(shù)。最后采用具體混凝土強度預(yù)測實例對其性能進行分析。結(jié)果表明,本文模型可以準確描述混凝土強度與影響因子間的變化關(guān)系,提高了混凝土強度預(yù)測精度,具有一定的實際應(yīng)用價值。

為提高水庫來水量的預(yù)測精度,提出了一種基于最小二乘支持向量機(ls-svm)的來水量預(yù)測模型。實例應(yīng)用結(jié)果表明,該模型預(yù)測能力強、預(yù)測精度高,其預(yù)測精度明顯高于bp模型,為來水量預(yù)測提供了一種可靠、有效的方法。

根據(jù)沉降數(shù)據(jù)的特性,以最小二乘支持向量機為核心技術(shù)構(gòu)建預(yù)測模型,提出了一種路基沉降預(yù)測的新方法。由于測量誤差不可避免,沉降數(shù)據(jù)通常含有噪聲,不宜直接進行擬合,因此首先采用小波分析的方法對原始沉降數(shù)據(jù)進行降噪預(yù)處理,然后饋送到最小二乘支持向量機完成沉降預(yù)測。最后用某高速公路實測數(shù)據(jù)進行了實例分析,并與bp神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進行了對比,計算結(jié)果表明,小波分析結(jié)合支持向量機的模型有較好的預(yù)測精度,將該模型應(yīng)用于公路軟基沉降預(yù)測是可行的和值得研究的。

支持向量機(supportvectormachine,svm)作為一種新穎的機器學習方法已成功應(yīng)用于短期電力負荷預(yù)測,然而應(yīng)用研究發(fā)現(xiàn)svm算法性能參數(shù)的設(shè)置將直接影響負荷預(yù)測的精度.為此在對svm參數(shù)性能分析的基礎(chǔ)上,提出了sce-ua(shuffledcomplexevolution-universityofarizona)支持向量機短期電力負荷預(yù)測模型建模的思路及關(guān)鍵參數(shù)的選取,在建模過程中引入了徑向基核函數(shù),簡化了非線性問題的求解過程,并應(yīng)用sce-ua算法辨識svm的參數(shù).貴州電網(wǎng)日96點負荷曲線預(yù)測的實際算例表明,所提sce-ua支持向量機模型不僅克服了svm參數(shù)選擇的盲目性,而且能提高預(yù)測準確率,是一種行之有效的短期電力負荷預(yù)測模型.

在計算地基沉降量過程中,根據(jù)已獲得的沉降觀測資料,找出具有一定實用價值的沉降規(guī)律,可以更準確地確定地基沉降與時間關(guān)系。采用線性回歸(最小二乘法),確定最佳擬合曲線,從而計算出沉降規(guī)律具有十分重要的意義。

論最小二乘法回歸分析中的幾個問題——針對最小二乘回歸方法，分析了水文計算中判斷相關(guān)是否密切的臨界值０．８的來歷和使用條件，并指出這一判別標準不具備普遍意義。結(jié)合實例論述了回歸系數(shù)出現(xiàn)錯誤符號的原因和分析方法。

通過運用最小二乘法求殘差二次型vtpv的極小值和極小值點,將經(jīng)典的測量平差方法與工程應(yīng)用緊密聯(lián)系起來,評定測量結(jié)果的精度,消除測量中的不符值,得出最可靠的測量結(jié)果。并引例介紹了對汶川地震前、后一些點位觀測,通過最小二乘原理平差求出最可靠值,對這些點位加以分析,評定該區(qū)域的地形沉降變化情況。

以預(yù)應(yīng)力混凝土鋼絞線的彈性模量和1000h松弛率計算為例,運用excel圖表建立數(shù)學模型和相關(guān)系數(shù)檢驗,采用線性回歸方法和最小二乘法原理來處理,能夠得到理想的方程和準確的結(jié)果。這種方法也可以很好地應(yīng)用于其他的公路試驗數(shù)據(jù)處理。

為了解決傳統(tǒng)算法電梯停站數(shù)不準確的缺點,本文建立了一種基于移動最小二乘法（mov-ingleast-squares,mls）的曲面擬合方法來建立大樓一天中最大5min客流量模型.這種方法對傳統(tǒng)的客流量算法及停站數(shù)算法作了比較大的改進,并用驗證了這種方法的可行性,與傳統(tǒng)算法比較具有精度高的優(yōu)點.