基于CEPSO-LSSVM的煤炭消費量預測模型

楊世杰，龍 丹，周慶標

1.浙江工業職業技術學院 信息工程分院，浙江 紹興 312000

2.浙江大學醫學院，杭州 310058

基于CEPSO-LSSVM的煤炭消費量預測模型

楊世杰1，龍 丹2，周慶標1

1.浙江工業職業技術學院 信息工程分院，浙江 紹興 312000

2.浙江大學醫學院，杭州 310058

1 引言

煤炭是我國的主要能源，在經濟生活中具有不可替代的地位，但由于缺乏長期、科學的規劃，我國煤炭供需處于一種失衡狀態，科學地對煤炭消費量進行預測，解決煤炭供需失衡問題，保證經濟正常、快速發展，具有十分重要的意義[1]。

針對煤炭消費量預測問題，國內外學者進行了大量研究，有回歸分析、灰色系統和時間序列分析等傳統預測方法[2]。傳統方法假設煤炭消費量是一種線性變化規律，但由于煤炭消費量受到多種因素影響，實際上具有非平穩性、時變性等特點，因此，傳統方法預測效果并不理想[3]。20世紀80年代以來，非線性的神經網絡算法在煤炭消費量預測中得到了廣泛的應用，提高了煤炭消費量預測的精度[4]，但是神經網絡要求樣本數量大，而煤炭消費量是一種小樣本數據，難以滿足該條件，因此預測結果易出現過擬合現象[5]。最小二乘支持向量機（Least Square Support Vector Machines，LSSVM）是專門解決小樣本、非線性等難題的機器學習算法，泛化能力強，為煤炭消費量預測提供了一種新的研究方法[6]。LSSVM的預測性能與其參數密切相關，粒子群優化（PSO）算法的全局搜索能力強，在LSSVM參數優化中應用最為廣泛[7-8]。但傳統PSO算法存在“早熟”收斂和陷入局部最優等缺陷，難以獲得最優的LSSVM參數，從而對煤炭消費量預測結果產生不利影響[9]。……