支持向量機模型改進及在短期邊際電價預測中的應用.pdf

1、支持向量機預測模型雖然已被證實為一類優(yōu)于神經網絡等其他智能算法模型的新興預測技術，但其本身依舊不夠完美，仍然存在尚需改進的地方。
　　 本文選取了支持向量機家族中的最小二乘支持向量機預測模型進行研究，并發(fā)現在使用該模型進行訓練時，由于其對訓練樣本的各個輸入向量的懲罰度是一樣的，即在訓練過程中對所有輸入點都等同看待，因此，一旦在訓練樣本集中出現離群點時，該點就會對預測模型產生一定的不良影響。這樣一來，勢必會降低系統(tǒng)的魯棒性，引起過

2、學習，降低了預測模型的推廣能力和預測效果。
　　 本文關注了此項問題，嘗試對原模型進行改進，從而使得改進后的預測模型能夠很好地克服上述理論缺陷，優(yōu)化預測過程與結果，達到管理科學理論創(chuàng)新的目的。
　　 為了達到上述目的，作者在經過了大量的研究與參考后，運用模糊數學中有關隸屬度問題的相關理論和方法與原預測模型相結合，建立了一套新的預測模型。為了考察該模型是否能達到對原預測模型的改進效果，并使得預測結果更佳，文章選取了美國PJ

3、M電力市場在2012年內的一些有關日前交易的負荷與邊際電價數據進行預測。首先，運用新模型對多個測試日的邊際電價進行預測，通過Matlab軟件加以實現，并得出了多個測試日的相關預測結果。之后，又運用原模型在相同條件下對相同日期的邊際電價進行預測并得出預測結果。最后，通過將兩種模型在多個測試日的預測值與真實值之間的誤差進行比較，發(fā)現新模型的預測誤差明顯低于原模型。這一點證實了新模型確實起到了對原模型明顯的改進效果，所得出的預測結果對未來發(fā)電