基于ISOA的LS-SVM地铁站空调系统能耗预测模型

作者:高学金;付龙晓;武翠霞;王普; 刊名:计算机与现代化 上传者:熊刚

【摘要】为提高地铁站空调系统能耗的预测精度,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)建立能耗预测模型是一种有效的方法。但是LS-SVM在处理大规模数据集的回归问题时难以确定最佳模型参数值,较大程度地影响了模型的拟合精度和泛化能力。为此,提出一种从算法搜索步长和搜索方向这2个方面进行改进的人群搜索算法(Improved Seeker Optimization Algorithm,ISOA)对LS-SVM建模过程中的模型参数进行优化选择。将所提出的基于ISOA-LS-SVM建立的能耗预测模型应用于北京某高校地铁实训平台。研究结果表明:该模型能够准确预测出系统能耗,相比于网格搜索法、粒子群算法以及传统的人群搜索算法,优化的LS-SVM在速度和精度上都有所提升。

全文阅读

计 算 机 与 现 代 化 2018 年第 10 期 JISUANJI YU XIANDAIHUA 总第 278 期 文章编号:1006-2475(2018)10-0036-08 收稿日期:2018-03-05 基金项目: 国家自然科学基金资助项目(61640312,61364009,61174109); 北京市自然科学基金资助项目(4172007) 作者简介: 高学金(1973-),男,河北唐山人,北京工业大学信息学部副教授,研究方向:复杂生产过程建模、优化与故障诊断,生物传感器; 付龙晓(1991-),女,硕士研究生,研究方向:复杂生产过程建模,地铁站空调系统的节能; 武翠霞(1992-),女,硕士研究生,研究方向:复杂生产过程建模,地铁站空调系统的节能; 王普(1962-),男,研究员,博士,研究方向:复杂过程建模、优化与控制。 基于 ISOA 的 LS-SVM 地铁站空调系统能耗预测模型 高学金1, 2, 3, 4,付龙晓1, 2, 3, 4,武翠霞1, 2, 3, 4,王 普1, 2, 3, 4 ( 1. 北京工业大学信息学部,北京 100124; 2. 数字社区教育部工程研究中心,北京 100124; 3. 城市轨道交通北京实验室,北京 100124; 4. 计算智能与智能系统北京市重点实验室,北京 100124) 摘要: 为提高地铁站空调系统能耗的预测精度,利用最小二乘支持向量机( Least Squares Support Vector Machines,LS-SVM) 建立能耗预测模型是一种有效的方法。但是 LS-SVM 在处理大规模数据集的回归问题时难以确定最佳模型参数值,较大程度地影响了模型的拟合精度和泛化能力。为此,提出一种从算法搜索步长和搜索方向这 2 个方面进行改进的人群搜索算法( Improved Seeker Optimization Algorithm,ISOA) 对 LS-SVM 建模过程中的模型参数进行优化选择。将所提出的基于 ISOA-LS-SVM 建立的能耗预测模型应用于北京某高校地铁实训平台。研究结果表明: 该模型能够准确预测出系统能耗,相比于网格搜索法、粒子群算法以及传统的人群搜索算法,优化的 LS-SVM 在速度和精度上都有所提升。 关键词: 通风空调系统; 能耗预测模型; 最小二乘支持向量机; 人群搜索算法 中图分类号: TP27 文献标识码: A doi: 10. 3969/j. issn. 1006-2475. 2018. 10. 008 Energy Consumption Prediction Model of Air-conditioning System in Subway Station Based on ISOA-LS-SVM GAO Xue-jin1, 2, 3, 4,FU Long-xiao1, 2, 3, 4,WU Cui-xia1, 2, 3, 4,WANG Pu1, 2, 3, 4 (1. Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China; 2. Engineering Research Center of Digital Community,Ministry of Education,Beijing 100124,China; 3. Beijing Laboratory for Urban Mass Transit,Beijing 100124,

参考文献

引证文献

问答

我要提问