基于改进SVM的电力工程造价预测

摘要

针对支持向量机求解速度较慢且用于预测电力工程造价的性能不理想等问题，提出了一种基于改进SVM的电力工程造价预测模型。该模型全面考虑了电力工程成本的组成要素并进行参数归一化处理，利用最小二乘估计改进SVM模型，同时采用遗传算法求解LSSVM的参数最优值，并通过优化后的GA-LSSVM模型实现对电力工程成本的预测。基于MATLAB仿真平台的仿真实验结果表明，模型预测的工程成本与实际值较为接近，归一化均方误差与平均绝对百分比误差分别为18.34万元和3.58%,且预测时间仅为256 ms,证明了其整体性能优于其他对比模型。

关键词

电力工程 / 造价预测 / 支持向量机 / 最小二乘估计 / 遗传算法 / GA-LSSVM模型 / 归一化处理 / 误差分析