10.3969/j.issn.1007-7375.2015.02.004
基于主成分分析与支持向量机的汽柴油需求预测
综合分析了影响汽柴油消费需求的关键因素,并针对其具有自相关性、复杂性、数据量大等特点,采用主成分分析法对样本数据进行降维处理,形成新的样本集. 对支持向量机预测模型进行改进,在其基础之上引入时序动态因子,将上年的汽柴油需求历史数据作为时序反馈因子引入模型,从而形成新的动态反馈拟合模型,建立相应的需求预测模型. 对1996~2012年的汽柴油需求预测进行实例研究,并将本文中所提方法的预测结果与灰色GM(1,1)模型、BP神经网络模型进行对比分析. 结果表明本文中的主成分分析与改进支持向量机预测方法相对于GM(1,1)模型其预测误差均值分别降低了72.7%和74.86%,相对于BP神经网络其预测误差均值分别降低了81.3%和81畅66%,从而证明了此方法的有效性和优越性.
汽柴油需求、预测、主成分分析、支持向量机
18
S431.3;F252(病虫害及其防治)
国家自然科学基金资助项目51375004;教育部人文社会科学研究规划基金资助项目14YJA630079;湖北汽车工业学院博士科研基金资助项目BK201408
2015-08-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
20-27,50