一种基于改进SVR模型的物联运行指标预测方法技术

本发明专利技术公开了一种基于改进SVR模型的物联运行指标预测方法，包括：对气候数据与物联运行指标数据进行预处理；对预处理后的气候数据进行特征选择，剔除冗余特征；建立RF

【技术实现步骤摘要】
一种基于改进SVR模型的物联运行指标预测方法


[0001]本专利技术属于电力系统物联运行指标预测领域，具体涉及一种基于改进SVR模型的物联运行指标预测方法。

技术介绍

[0002]我国的互联网技术，已经由最初的与消费服务领域结合逐渐渗透到与工业领域结合，传统工业领域正处于数字化转型升级的重要窗口期。面对电力系统用户侧海量数据，现有技术研究缺乏对本地物联运行指标影响因素及影响强度的深入分析，难以形成有效的预测方法。
[0003]可以通过开展对机器学习算法的研究，分析与建立物联运行指标和气候因素之间的预测模型。机器学习预测方法，包括数据预处理和模型建立两个重要研究方向。数据预处理方向的研究重点在于特征选择部分，常见的特征选择方法有灰色关联分析法、遗传算法、随机森林(Random Forest，RF)等。其中，灰色关联分析法适用于较强主观性的场合，在一定程度上会影响特征选择结果的专业性。而遗传算法需要多次迭代，在计算复杂度上要远远高于RF。RF算法虽然更加高效，但单一的使用，会忽略掉特征对模型拟合度的贡献情况。因此，有研究人员提出一种利用RF本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SVR模型的物联运行指标预测方法，其特征在于，包括如下步骤：S1：对气候数据与物联运行指标数据进行预处理；S2：对预处理后的气候数据进行特征选择；S3：根据预处理后的物联运行指标数据和特征选择后的气候数据，建立RF
‑
SVR模型，利用智能优化算法PSO优化RF
‑
SVR模型的参数，获得RF
‑
PSO
‑
SVR模型；S4：通过RF
‑
PSO
‑
SVR模型输出物联运行指标预测结果。2.根据权利要求1所述的一种基于改进SVR模型的物联运行指标预测方法，其特征在于，所述步骤S1的预处理方法为：A1：将气候和物联运行指标数据集按比例随机划分训练集和测试集；A2：分别对训练集和测试集进行标准化处理，用以消除量纲的影响。3.根据权利要求2所述的一种基于改进SVR模型的物联运行指标预测方法，其特征在于，所述步骤S2具体为：B1：选取训练集数据进行特征选择；B2：使用网格搜索遍历所设定的RF树的数目；B3：利用K
‑
折交叉验证以最小验证误差为准则确定RF树的数目；B4：利用优化参数后的RF进行特征重要度排序；B5：对于重要度排序后的特征，利用基于拟合优度的序列前向选择算法进行维数选择。4.根据权利要求3所述的一种基于改进SVR模型的物联运行指标预测方法，其特征在于，所述步骤B3具体为：K
‑
折交叉验证将数据集划分为K组，循环K次，每次循环都选取与之前不重复的一组数据作为验证集，并将剩余K
‑
1组用作训练集；循环结束后，可获得K个参数值和与之相对应的K个验证误差，计算这K个误差的平均误差，用作新的验证误差，最后，选取最小验证误差对应的参数值，也就是RF树的数目带入RF特征选择模型。5.根据权利要求3所述的一种基于改进SVR模型的物联运行指标预测方法，其特征在于，所述步骤B5中利用基于拟合优度的序列前向选择算法进行维数选择的方法为：将特征从空集开始，按照重要度逐一加入到SVR模型，选取使得SVR模型拟合优度最高的特征维数。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：胡居荣，李墨岩，曹宁，鹿浩，
申请(专利权)人：河海大学，
类型：发明
国别省市：