基于最小二乘支持向量机的选煤厂日用水量短期预测
郭小荟1
马小平2
1.中国矿业大学,信息与电气工程学院,江苏,徐州,221008;徐州师范大学,计算机科学与技术学院,江苏,徐州,2211162.中国矿业大学,信息与电气工程学院,江苏,徐州,221008
摘要：针对选煤厂日用水量时间序列的预测问题,提出应用最小二乘支持向量机(LSSVM)这一新的机器学习方法来实现日用水量的短期预测.借鉴多层动态自适应优化算法的思想,提出最小二乘支持向量机参数优化的多层动态交叉验证法;用微熵率法求得选煤厂日用水量时间序列的最佳嵌入维数和最佳延迟参数,重构相空间,建立了基于最小二乘支持向量机的选煤厂日用水量时间序列等维信息一步预测模型.预测结果表明:基于LSSVM的预测模型的预测精度比BP神经网络预测模型的预测精度要高,能够满足选煤厂日用水量预测的需要.
关键词：最小二乘支持向量机选煤厂日用水量参数优化BP神经网络预测
分类号：TD928.6(选矿)
资助基金：江苏省自然科学基金(BK2003026)
论文发表日期：2007-01-01
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：5( 1093-1097 )
英文信息