基于CEPSO-LSSVM的煤炭消费量预测模型

作者：杨世杰; 龙丹; 周庆标

来源：计算机工程与应用, 2013, (18): 108-111.

• 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 consumption
• Least Squares Support Vector Machine(LSSVM)
• Particle Swarm Optimization(PSO)algorithm
• catfish effect

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。

• 单位
  浙江大学; 浙江工业职业技术学院