时序峰值预测的最小二乘支持向量回归模型
来源期刊:控制与决策2012年第11期
论文作者:袁从贵 张新政
文章页码:1745 - 1750
关键词:峰值预测;支持向量回归;加权最小二乘;核密度估计;
摘 要:针对最小二乘支持向量回归模型中,呈稀疏分布的时序峰值样本拟合预测误差偏大的问题,基于加权最小二乘思想,提出一种新的用于时序峰值预测的最小二乘支持向量回归模型.根据样本分布密度和输出期望幅值,优化了经验风险控制目标.解得模型的拟合预测误差不受样本分布的影响,而且在保持整体样本拟合预测精度的同时,对峰值样本的拟合预测精度有了显著提高.Lorenz时序预测和电力负荷预测的仿真结果表明了模型的有效性.
袁从贵1,2,张新政1
1. 广东工业大学自动化学院2. 东莞职业技术学院电子工程系
摘 要:针对最小二乘支持向量回归模型中,呈稀疏分布的时序峰值样本拟合预测误差偏大的问题,基于加权最小二乘思想,提出一种新的用于时序峰值预测的最小二乘支持向量回归模型.根据样本分布密度和输出期望幅值,优化了经验风险控制目标.解得模型的拟合预测误差不受样本分布的影响,而且在保持整体样本拟合预测精度的同时,对峰值样本的拟合预测精度有了显著提高.Lorenz时序预测和电力负荷预测的仿真结果表明了模型的有效性.
关键词:峰值预测;支持向量回归;加权最小二乘;核密度估计;