一种用于电力消费预测特征选择的新型 MDPSO-SVR 混合模型
神经与进化计算
2022-09-16 v2
摘要
电力消费预测对一个国家的能源规划至关重要。在可用的机器学习模型中，支持向量回归（SVR）因对未知数据的优越泛化能力而被广泛用于建立预测模型。然而，预测建模的一个关键步骤是特征选择，若选择了不适当的特征，可能损害预测精度。对此，本研究采用改进离散粒子群优化（MDPSO）进行特征选择，进而构建 MDPSO-SVR 混合模型以预测未来电力消费。与其他成熟的同类模型相比，MDPSO-SVR 模型在两个真实世界电力消费数据集上始终表现最佳，这表明用于特征选择的 MDPSO 可提升预测精度，且配备 MDPSO 的 SVR 可成为电力消费预测的一种有前景的替代方案。
引用
@article{arxiv.2206.06658,
title = {A novel MDPSO-SVR hybrid model for feature selection in electricity consumption forecasting},
author = {Yukun Bao and Liang Shen and Xiaoyuan Zhang and Yanmei Huang and Changrui Deng},
journal= {arXiv preprint arXiv:2206.06658},
year = {2022}
}