基于GA-SVR的短期風(fēng)速預(yù)測(cè).pdf

1、風(fēng)速預(yù)測(cè)是風(fēng)電場(chǎng)規(guī)劃設(shè)計(jì)中的重要工作，在預(yù)測(cè)過(guò)程中必須建立合適的模型。在此背景下，本文建立了基于遺傳算法的支持向量回歸機(jī)對(duì)短期風(fēng)速進(jìn)行了預(yù)測(cè)。遺傳算法起源于對(duì)生物系統(tǒng)進(jìn)行的計(jì)算機(jī)模擬研究，是一種高效、并行、全局搜索的方法，它能在搜索過(guò)程中自動(dòng)獲取和積累有關(guān)搜索空間的知識(shí)，并自適應(yīng)地控制搜索過(guò)程，以求得最優(yōu)解。支持向量回歸機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論函數(shù)集的VC 維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理的基礎(chǔ)上的一種新型有效的回歸方法，該方法通過(guò)在有限樣本信息

2、模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中方案，來(lái)獲得足夠好的推廣能力。
　　 首先，本文應(yīng)用遺傳算法優(yōu)化支持向量回歸機(jī)的參數(shù)，即用遺傳算法自動(dòng)選擇支持向量機(jī)的參數(shù)，避免了選擇參數(shù)的隨機(jī)性所帶來(lái)的弊端，為支持向量機(jī)參數(shù)的選擇提供了一種新的方法。
　　 其次，本文應(yīng)用統(tǒng)計(jì)學(xué)的方法及主成分分析法對(duì)采集到的風(fēng)電場(chǎng)實(shí)際數(shù)據(jù)進(jìn)行了預(yù)處理。應(yīng)用spss統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行了奇異點(diǎn)的剔除；并用標(biāo)準(zhǔn)差分析了奇異點(diǎn)去除的合理性；隨后，應(yīng)用主成分