城市小时级需水量的改进型引力搜索算法-最小二乘支持向量机模型预测

摘要：

本文研究利用最小二乘支持向量机(least squares support vector machine,LS-SVM)算法建立城市小时级需水量预测模型.采取精英策略,自适应的速度更新权重系数,同时引入粒子历史最优信息对引力搜索算法(gravitational search algorithm,GSA)进行了改进.最后采用改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化LS-SVM水量预测模型的正规化参数和核参数来提高模型的预测精度及预测速度.理论测试与实例分析表明,基于AGSA比基于GSA,遗传算法(genetic algorithms,GA)和粒子群优化算法(particle swarm optimization,PSO)的LS-SVM水量预测模型具有更好的预测精度,从而验证了基于AGSA的LS-SVM算法适用于小时级需水量预测问题,AGSA适用于多领域的模型参数的优化过程.

关键词：智能控制、需水量预测、最小二乘支持向量机、改进的引力搜索算法

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61174059,61233004,61433002;国家“973”计划资助项目2013CB035406;上海市经信委重大技术装备研制专项基金资助项目ZB-ZBYZ-01112634;上海市经信委引进技术与创新项目资助12GA-31

在线出版日期：2014-12-15（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：1377-1382