化工学报 ›› 2004, Vol. 55 ›› Issue (5): 828-832.

• 过程系统工程 • 上一篇    下一篇

基于最小二乘支持向量机的天然气负荷预测

刘涵; 刘丁; 郑岗; 梁炎明; 宋念龙   

  1. 西安理工大学自动化与信息工程学院, 陕西 西安 710048
  • 出版日期:2010-07-29 发布日期:2019-04-12

NATURAL GAS LOAD FORECASTING BASED ON LEAST SQUARES SUPPORT VECTOR MACHINE

LIU Han;LIU Ding;ZHENG Gang;LIANG Yanming;SONG Nianlong   

  • Online:2010-07-29 Published:2019-04-12

关键词: 结构风险最小化, 支持向量机, 最小二乘支持向量机, 支持向量回归, 负荷预测

Abstract: Machine learning techniques are finding more and more applications in the field of load forecasting. A novel regression technique, called support vector machine (SVM), based on the statistical learning theory is applied in this paper for the prediction of natural gas demands. Least squares support vector machine (LS-SVM) is a kind of SVM that has different cost function with respect to SVM. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization supported by conventional regression techniques. The prediction result shows that the prediction accuracy of SVM is better than that of neural network. Thus, SVM appears to be a very promising prediction tool. The software package NGPSLF based on SVM prediction has been put into practical business application.

Key words: 结构风险最小化, 支持向量机, 最小二乘支持向量机, 支持向量回归, 负荷预测

[1] 朱建勇, 张旭乾, 杨辉, 陆荣秀. 单光照条件变化的镨/钕元素组分含量软测量[J]. 化工学报, 2019, 70(2): 780-788.
[2] 穆瑞, 乐高杨, 杨慧中. 基于O3/UV法在线COD检测的气体溶解量估计方法[J]. 化工学报, 2019, 70(2): 730-735.
[3] 周新志, 邵伦, 李荣昆, 赵成萍, 董晨龙. 基于小波去噪和改进型PSO-SVM的微波加热温度预测模型研究[J]. 化工学报, 2018, 69(S2): 291-299.
[4] 华丽, 于海晨, 邵诚, 巩师鑫. 基于SVM-BOXPLOT的乙烯生产过程异常工况监测与诊断[J]. 化工学报, 2018, 69(3): 1053-1063.
[5] 马建, 邓晓刚, 王磊. 基于深度集成支持向量机的工业过程软测量方法[J]. 化工学报, 2018, 69(3): 1121-1128.
[6] 牛大鹏, 刘元清. 基于改进即时学习算法的湿法冶金浸出过程建模[J]. 化工学报, 2017, 68(7): 2873-2879.
[7] 赵敏华, 胡毅, 李金, 王羽笙, 吴蕊, 宋乐. 使用博弈差分算法的电站锅炉高效低污染燃烧均衡优化[J]. 化工学报, 2017, 68(6): 2455-2464.
[8] 曹玉苹, 卢霄, 田学民, 邓晓刚. 基于动态单类随机森林的非线性过程监控方法[J]. 化工学报, 2017, 68(4): 1459-1465.
[9] 赵朋程, 刘彬, 高伟, 赵志彪, 王美琪. 用于水泥熟料fCaO预测的多核最小二乘支持向量机模型[J]. 化工学报, 2016, 67(6): 2480-2487.
[10] 刘瑞兰, 徐艳, 戎舟. 基于稀疏最小二乘支持向量机的软测量建模[J]. 化工学报, 2015, 66(4): 1402-1406.
[11] 安剑奇, 陈易斐, 吴敏. 基于改进支持向量机的高炉一氧化碳利用率预测方法[J]. 化工学报, 2015, 66(1): 206-214.
[12] 冯凯, 卢建刚, 陈金水. 基于最小二乘支持向量机的MIMO线性参数变化模型辨识及预测控制[J]. 化工学报, 2015, 66(1): 197-205.
[13] 郑博元, 苏成利, 李平, 苏胜蛟. 基于向量投影的代谢支持向量机乙烯精馏产品质量软测量建模[J]. 化工学报, 2014, 65(12): 4883-4889.
[14] 王通, 高宪文, 刘文芳. 自适应软测量方法在动液面预测中的研究与应用[J]. 化工学报, 2014, 65(12): 4898-4904.
[15] 靳文博,敬加强,田震,孙娜娜,伍鸿飞. 基于最小二乘支持向量机的蜡沉积速率预测[J]. 化工进展, 2014, 33(10): 2565-2569.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 凌丽霞, 章日光, 王宝俊, 谢克昌. Pyrolysis Mechanisms of Quinoline and Isoquinoline with Density Functional Theory[J]. , 2009, 17(5): 805 -813 .
[2] 雷志刚, 龙爱斌, 贾美如, 刘学义. Experimental and Kinetic Study of Selective Catalytic Reduction of NO with NH3 over CuO/Al2O3/Cordierite Catalyst[J]. , 2010, 18(5): 721 -729 .
[3] 粟海锋, 刘怀坤, 王凡, 吕小艳, 文衍宣. Kinetics of Reductive Leaching of Low-grade Pyrolusite with Molasses Alcohol Wastewater in H2SO4[J]. , 2010, 18(5): 730 -735 .
[4] 王建林, 薛尧予, 于涛, 赵利强. Run-to-run Optimization for Fed-batch Fermentation Process with Swarm Energy Conservation Particle Swarm Optimization Algorithm[J]. , 2010, 18(5): 787 -794 .
[5] 孙付保, 毛忠贵, 张建华, 张宏建, 唐蕾, 张成明, 张静, 翟芳芳. Water-recycled Cassava Bioethanol Production Integrated with Two-stage UASB Treatment[J]. , 2010, 18(5): 837 -842 .
[6] 高瑞昶,宋宝东,袁孝竞. 气液两相逆流状态下金属板波纹填料塔内液体流动分布 [J]. , 1999, 50(1): 94 -100 .
[7] 苏亚欣,骆仲泱,岑可法. 换热器肋片的最小熵产优化研究 [J]. , 1999, 50(1): 118 -124 .
[8] 罗小平,邓先和,邓颂九. 空心环支承轴流式换热器壳程流体阻力系数 [J]. , 1999, 50(1): 130 -135 .
[9] 金文正,高广图,屈一新,汪文川. 甲烷、苯无限稀释水溶液亨利常数的Monte Carlo分子模拟计算 [J]. , 1999, 50(2): 174 -184 .
[10] P>李庆钊;赵长遂;陈晓平;武卫芳;李英杰/P>.

O2/CO2气氛煤焦的燃烧及其孔隙结构变化

[J]. , 2008, 59(11): 2891 -2897 .