基于主成分分析与支持向量机的汽柴油需求预测
殷旅江1
杨立君2
何波2
1.湖北汽车工业学院经济管理学院,湖北十堰442002;华中科技大学数字制造装备与技术国家重点实验室,湖北武汉4300742.湖北汽车工业学院经济管理学院,湖北十堰,442002
摘要：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.
关键词：汽柴油需求预测主成分分析支持向量机
分类号：S431.3(病虫害及其防治)F252(物流经济)
资助基金：国家自然科学基金(51375004)教育部人文社会科学研究项目(14YJA630079)湖北汽车工业学院博士科研基金(BK201408)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 20-27,50 )
英文信息