变结构遗传最小二乘支持向量机法预测日用水量

陈 磊，石 也

(浙江工业大学 建筑工程学院，浙江 杭州 310014)

变结构遗传最小二乘支持向量机法预测日用水量

陈 磊，石 也

(浙江工业大学 建筑工程学院，浙江 杭州 310014)

为解决日用水量预测模型的动态参数估计问题，提出了基于变结构遗传最小二乘支持向量机的预测模型.以日用水量的主要影响因素和相关日用水量为输入，利用遗传算法对基于LSSVM的历史日用水量模型参数进行寻优，获得模型结构参数序列；采用扩展卡尔曼滤波器估计基于最小二乘支持向量机的预测日用水量模型参数，进而预测下一日用水量.实例分析表明：提出的模型具有较高的预测精度，预测的最大绝对相对误差仅为9.3%，平均绝对相对误差为2.09%.

遗传算法；最小二乘支持向量机；变结构；扩展卡尔曼滤波；日用水量

科学的管网调度能节省大量的供水能耗，全面提高管网的安全性和可靠性，但调度方案是否可行很大程度上取决于日用水量的预测精度.针对日用水量的非线性特征，学者们一般以预测日用水量的相关日用水量和主要影响因素为输入，采用具有较强非线性映射能力的神经网络[1-2]和支持向量机[3-4]进行预测，但他们都未提及预测前是否需要以及如何持续动态更新模型参数的方法.BAI Yun等[5]提出根据历史日用水量模型的参数，采用卡尔曼滤波法估计预测日用水量的模型参数，实现了日用水量模型参数的动态更新.然而其采用交叉验证法确定历史日用……