不同核函数的支持向量机用于空调负荷预测的对比研究

摘要

支持向量机(SVM)在模式分类和回归分析领域有广泛的应用,是目前我国新兴的人工智能方法,本质上是一种核方法。本文分别采用RBF、线性及Sigmoid核函数建立SVM模型,对某银行夏季的空调负荷进行逐时训练和预测,对三种核函数的预测结果进行了对比研究,仿真结果表明了RBF对该模型有更强的泛化能力和高的学习能力。