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
戢钢
王景成
葛阳
刘华江
杨丽雯
1.上海交通大学自动化系;系统控制与信息处理教育部重点实验室,上海2002402.上海交通大学自动化系;系统控制与信息处理教育部重点实验室,上海2002403.上海交通大学自动化系;系统控制与信息处理教育部重点实验室,上海2002404.上海交通大学自动化系;系统控制与信息处理教育部重点实验室,上海2002405.上海交通大学自动化系;系统控制与信息处理教育部重点实验室,上海200240
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
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)国家自然科学基金资助项目(61233004)国家自然科学基金资助项目(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)
论文发表日期：2014-01-01
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：6( 1377-1382 )
英文信息