| 摘要: |
| 组合预测把多种单一预测方法按一定方式结合，综合利用各种预测方法所提供的信息，并在综合这些信息的基础之上进行最优组合。采用支持向量机(SVM)实现分时段变权重组合预测，描述多种方法的预测结果与实际负荷的非线性关系，并采用改进粒子群(PSO)与模拟退火(SA)自学习融合的协同优化方法SA-MPSO对SVM模型参数进行优化, 用两种不同特性的测试函数对该优化算法的收敛性进行测试，通过多次测试平均值验证其收敛性。实例仿真中, SA-MPSO优化的SVM模型实现对三个不同预测模型的组合, 预测结果表明，该方法除了避开传统组合预测模型权重复杂求取问题，且参数优化自适应能力强，有利于预测精度的提高。 |
| 关键词: 算法融合 自适应；粒子群；模拟退火 支持向量机；组合预测 |
| DOI：10.7667/j.issn.1674-3415.2012.21.019 |
|
| 基金项目:中央高校基本科研业务费专项资金资助（2012-IV-102）；中国博士后科学基金（20100480679，201104323） |
|
|
|
| () |
| Abstract: |
|
| Key words: |
