基于改进模糊支持向量回归模型的机场能源需求预测

摘要：

针对离群点在机场能源数据的预测和分析中存在干扰等问题,建立了一种基于改进模糊支持向量回归(FSVR)的机场能源需求预测模型.首先,采用模糊统计法对测试样本集、系统参数和模型输出进行分析,推导出符合其数据分布的基本隶属函数形式;其次,结合例证法、专家经验法对隶属函数进行“再学习”,逐步修改和完善正态隶属函数a、6参数值,半梯形隶属函数边界参数值及三角隶属函数p、d参数值,以此消除或减少不利数据挖掘的离群点,同时保留有效关键点;最后,结合支持向量回归(SVR)算法,建立预测模型,并验证了该模型的可行性.实验结果表明,与反向传播(BP)神经网络方法相比,FSVR方法的预测准确率提高了2.66％,对离群点的识别率提高了3.72％.

关键词：机场能源需求预测、模糊支持向量回归、支持向量机、模糊隶属度、离群点

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：民航局科技创新引导资金项目应用技术研发类20150227;the Science and Technology Innovation Conducted Funds Program of the Civil Aviation Authority CAACategory in the Research and Development of Application Technology20150227

在线出版日期：2016-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1458-1463