基于优化组合核和 Morlet 小波核的 LSSVM脉动风速预测方法

摘要：

核函数是支持向量机的重要组成部分，直接影响预测模型的结果。根据 Mercer 定理，推导出了 Morlet 小波核函数，使其具有局部化、多层次、多分辨的优点。选择具有代表性的径向基（RBF）核函数和多项式（Poly）核函数构建出局部性和全局性相结合的线性组合核函数，使得预测模型保留 RBF 核函数所赋予的优越学习能力以及 Poly 核函数所拥有的强泛化能力；进一步，使用粒子群优化（PSO）算法，对惩罚参数、核参数、权重、尺度因子进行寻优，分别建立了基于Morlet 小波核和组合核的 PSO-LSSVM模型；使用建立的预测模型，对脉动风速进行了预测。通过比较预测性能评价指标，发现基于 Morlet 小波核和组合核 PSO-LSSVM的预测精度优于常用的单核 PSO-LSSVM模型。

关键词：预测、脉动风速、Morlet小波核、组合核、最小二乘支持向量机、粒子群优化

所属期刊栏目：35

分类号：TU311(建筑结构)

资助基金：国家自然科学基金51378304

在线出版日期：2016-10-14（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：52-57