遗传算法对SVR风速预测模型的多参数优化.pdfVIP

遗传算法对SVR风速预测模型的多参数优化--第1页

遗传算法对SVR风速预测模型的多参数优化

朱霄珣;徐搏超;焦宏超;韩中合

【摘要】实验分析发现:通过相空间重构法求出的嵌入维数E和时间延迟τ往往不

是支持向量回归机(SVR)预测模型的最优参数.针对此问题,建立了一种基于遗传算

法(GA)的多参数同步优化的SVR预测方法.利用GA方法对E、τ和SVR模型中的

惩罚因子C、核函数宽度γ进行同步优化获得全局最优解,建立SVR风速预测模型.

对比单纯优化C、γ的模型,以2组风速数据为例进行实验研究,建立的模型预测误

差约为6.56%和7.74%.而对比模型的误差为12.00%和9.30%.这一结果表明,同时

对E、τ、C、γ进行优化的模型相对于单纯优化C、γ的模型,预测精确度大大提

高.%Phasespacereconstructionwasusedtoapplyinthepredictionof

windspeedtimeseriesforcharacteristicfactorsextraction.Afterseveral

experiments,embeddingdimensionEandtimedelayτ,whichweretypical

parametersofphasespacereconstruction,mightnotbetheoptimum

valuesforsupportvectorregressionmodel.Forsolvingthisproblem,a

multi-parameteroptimizationmethodbasedongeneticalgorithmwas

proposedtooptimizeembeddingdimensionE,timedelayτandother

supportvectorregressionmodelparameters(penaltyparameterC,kernel

functionparameterγ)synchronously.Twogroupsofwindspeedtimeseries

werepredictedbyusingthismethodandthepredictionerrorsare6.56%

and7.74%.Theerrorsofthecontrastmethod(optimizeC,γonly)are12.00%

and9.30%.TheresultsshowthattheoptimalselectionofE,τ,C,γis

necessary.Comparedwiththecontrastmodel,thismethodcangreatly

improvethepredictionaccuracy.

遗传算法对SVR风速预测模型的多参数优化--第1页

遗传算法对SVR风速预测模型的多参数优化--第2页

【期刊名称】《电机与控制学报》

【年(卷),期】2017(021)002

【总页数】6页(P70-75)

【关键词】遗传算法;支持向量机;空间重构;多参数优化;风速预测

【作者】朱霄珣;徐搏超;焦宏超;韩中合

【作者单位】华北电力大学能源动力与机械工程学院,河北保定071003;华北电力

大学能源动力与机械工程学院,河北保定071003;华北电力大学能源动力与机械

工程学院,河北保定071003;华北电力大学能源动力与机械工程学院,河北保定

071003

【正文语种】中文

【中图分类】TM614

风速预测一直是电网系统规划和运行中重要一项环节，工作量大