一种基于支持向量机的能源供需预测方法技术

本发明专利技术涉及一种对烟草企业能源供需的预测方法。首先对能源供需的历史数据进行预处理，预处理包括剔除异常数据，特殊点分析及数据去噪；再将所有数据指标建立支持向量机模型；然后进行支持向量机模型求解。本发明专利技术先获得烟草能源供需预测的历史数据，并进行数据筛选，剔除较为明显的异常数据，主要指人工造成的能源浪费及设备异常造成的烟草品质异常。然后利用所得的输入输出数据进行简单预处理后，通过支持向量机以及最小二乘支持向量机建立模型，其间我们并行选取两种核函数，即多项式函数和径向基函数（RBF），其中以径向基函数为主体建立模型，多项式函数乘以某种关系（通常称为权值）作为模型修正，这样就能在很大程度上提高预测精度。

【技术实现步骤摘要】

本专利技术属于卷烟生产
，具体涉及。
技术介绍
我国烟草企业如何在确保稳定供给和安全生产的前提下，高效利用有限能源，优化供需结构，充分利用二次能源，减少能源供需不平衡造成的浪费是个十分重要的问题。以预测变化趋势为基础，有效调度能源至关重要。目前，国内大多数烟草企业的能源预测是基于人工经验的短时预测，对预测者的经验要求比较高，缺少预测模型的支持。大多数关于能源供需的研究都集中在单一能源或两种能源的供需预测，很少有包含多种能源的供需预测。目前有关能源供需预测的系统和方法主要有神经网络模型和回归方程法。虽然神经网络模型具有较高的非线性映射能力，能以任意精度逼近非线性函数，但在实际计算中，也存在一些问题①反向传播的计算过程收敛速度慢，一般需要成百上千次的迭代计算；②存在能量函数的极小值；③隐含神经元个数和连接权的选取往往靠经验；④网络的收敛性与网络的结构有关等。由于烟草企业能源系统复杂，所涉及的能源种类繁多，能源之间相互关联，不适合用回归方程预测。并且应用回归方程进行估算预测时，只能由自变量来估计因变量，不允许因变量来推测自变量。并且应用回归方程进行估算预测时，只能由自变量来估计因变本文档来自技高网...

【技术保护点】
一种基于支持向量机的能源供需预测方法，其特征在于，首先对能源供需的历史数据进行预处理，预处理包括剔除异常数据，特殊点分析及数据去噪；再将所有数据指标建立支持向量机模型；然后进行支持向量机模型求解。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈静春，钱云春，汤抒静，郭重耘，戴银波，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：