基于支持向量机回归的二次网供热负荷预测分析

作者：王春青; 王凇; 郑杨; 许添强; 张晗; 李超; 王亦姝

来源：吉林建筑大学学报, 2021, 38(06): 34-40.

• 供热负荷预测
• 支持向量机回归(SVMR)
• 网格搜索(GS)
• 遗传算法(GA)
• K折交叉验证(KCV)

为提高供热负荷预测精度,在传统支持向量机回归(SVMR)基础上,通过网格搜索(GS)及遗传算法(GA)对惩罚参数C和核函数(径向基函数)参数γ两个重要参数寻找最优参数组合,由此得到最佳预测模型,并采用均方误差、平均绝对误差和判定系数R23种方法对SVMR、网格搜索-K折交叉验证-SVMR(GS-KCV-SVMR)和遗传算法-K折交叉验证-SVMR(GA-KCV-SVMR) 3种预测模型进行评价.结果表明,GA-KCV-SVMR模型更能有效地预测供热负荷,其R2值为0.96,优于SVMR和GS-KCV-SVMR两种模型,可为工程实践提供参考.

• 单位
  吉林建筑大学; 吉林省宇光热电有限公司