基于SSA-SVR的燃气短期负荷预测

　　

精准的燃气负荷预测对于储气调峰和城镇燃气管道的规划建设有着重要的意义，本文采用支持向量回归（SVR）对城镇燃气短期负荷进行预测，针对SVR中参数选择比较敏感的问题，利用麻雀搜索算法（SSA）对SVR的参数进行优化，使用优化后的模型对燃气负荷数据规律进行学习，建立了SSA-SVR的燃气短期负荷预测模型。为验证模型的泛化能力，对模型进行仿真预测，同时使用网格搜索算法优化的SVR模型（GS-SVR）、粒子群算法优化的SVR模型（PSO-SVR）作为对比，仿真结果表明：本文提出模型预测结果的平均绝对百分比误差为0.0482，模型收敛速度为73.60s，相较于GS-SVR和PSO-SVR，在模型运行速度和预测精度上有所提高。

订阅方式：
①在线订阅（推荐）：www.sdchem.net.cn
②邮局订阅：邮发代号24-109

投稿方式：
①在线投稿（推荐）：www.sdchem.net.cn
　　作者只需要简单注册获得用户名和密码后，就可随时进行投稿、查稿，全程跟踪稿件的发表过程，使您的论文发表更加方便、快捷、透明、高效。
②邮箱投稿：sdhgtg@163.com sdhg@sdchem.net
　　若“在线投稿”不成功，可使用邮箱投稿，投稿邮件主题：第一作者名字/稿件题目。
投稿时请注意以下事项：
　　①文前应有中英文“题目”、“作者姓名”、“单位”、“邮编”、“摘要”、“关键词”；
　　②作者简介包括：姓名、出生年、性别、民族、籍贯或出生地、工作单位、职务或职称、学位、研究方向；
　　③论文末应附“参考文献”，执行国标GB/T7714-2005标准，“参考文献”序号应与论文中出现的顺序相符；
　　④注明作者的联系方式，包括电话、E-mail、详细的通讯地址、邮编，以便联系并邮寄杂志。
　　 　                                                                                   山东化工稿件修改细则