基于支持向量回归的年电力需求预测方法

摘要

建立在统计学习理论(SLT)和结构风险最小化(SRM)准则基础上的支持向量机(SVM)在理论上能够很好地平衡学习精度和泛化能力之间的矛盾,支持向量机回归(SVR)是处理小样本数据回归建模的有利工具.文中提出应用SVR求解年电力需求预测问题,给出了求解问题的具体过程和方法,并对比研究了SVR和BP网络预测方法.预测结果表明应用SVR预测年电力需求,不仅易于实现,而且精度较高,性能明显优于BP网络方法.