基于PSO-SVR模型的能源需求预测

被引：2
|
作者：
陈培友
刘璐
机构：
[1] 黑龙江科技大学经济管理系
[2] 黑龙江科技大学研究生学院
来源：
经营与管理 | 2014年 / 03期
关键词：
能源需求预测; 支持向量回归机; 粒子群算法;
D O I：
10.16517/j.cnki.cn12-1034/f.2014.03.011
中图分类号：
F426.2 []; F224 [经济数学方法];
学科分类号：
0202 ; 020205 ; 0701 ; 070104 ;
摘要：
本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。
引用
下载
收藏
页码：85 / 87
页数：3
相关论文
共 8 条
1