换一批基于CEPSO-LSSVM的煤炭消费量预测模型
Coal consumption prediction based on LSSVM optimized by Catfish Particle Swarm Optimization algorithm
摘要针对煤炭消费量的时变性、非平稳性特点，为了提高煤炭消费量预测精度，提出了一种鲶鱼粒子群算法优化最小二乘支持向量机（LSSVM）的煤炭消费量预测模型（CEPSO-LSSVM）。将LSSVM参数编码成粒子位置串，并根据煤炭消费量训练集的交叉验证误差最小作为参数优化目标，通过粒子间信息交流找到最优LSSVM参数，并引入“鲶鱼效应”，保持粒子群的多样性，克服传统粒子群算法的局部最优，根据最优参数建立煤炭消费量预测模型，并采用实际煤炭消费量数据进行仿真测试。结果表明，相对于其他预测模型，CEPSO-LSSVM可以获得更优的LSSVM参数，提高了煤炭消费量预测精度，更加适用于复杂非线性的煤炭消费量预测。
更多相关知识
关键词
煤炭消费量最小二乘支持向量机粒子群优化算法鲶鱼效应coal consumptionLeast Squares Support Vector Machine(LSSVM)Particle Swarm Optimization(PSO)algorithmcatfish effect
分类号
TP391
栏目名称
DOI
10.3778/j.issn.1002-8331.1305-0287
发布时间
2013-09-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省教育技术研究规划课题（No.JB083）
- 浏览1
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
