2015，51（4）1引言随着中国工业的快速发展，预测技术引起了学术界广泛关注。一个有效和精确的预测可以为系统规划决策提供依据。预测会影响行业的发展趋势。可再生分布式能源发电装机容量快速增长的“智能电网”可能会影响系统运行的稳定性。因此，需要更准确的预测维持系统的稳定和安全操作。然而，有一些复杂的非线性关系因素如政治环境，人类活动和经济政策，准确预测全年是相当困难的。目前，用于监测时间序列建模预测的方法主要有时间序列分析法[1-2]、灰色建模预测法[3]、人工神经网络[4-6]等方法。但这些方法都存在着理论或应用上的不足，如时间序列分析法的应用前提是假设监测数据为非平稳时间序列，灰色理论则需要假设时间序列中与历史时序吻合的模式，也即为与未来时序吻合的模式，然而这些假设往往都与实际不符；而人工神经网络
建模方法虽在预测中已得到了较多的应用，但神经网络本身存在着难以克服的缺陷，在学习样本数量有限时，精度难以保证，学习样本数量很多时，又陷入“维数灾难”，泛化性能不高。近年来发展起来的支持向量机[7-12]理论很好地弥补了上述方法的不足，它是一种以结构风险最小化原理为基础的新算法，具有其他算法难以比拟的优越性。支持向量机中核函数的选择决定了模型的特性，局部核函数学习能力强、泛化性能弱，而全局核函数泛化性能强、学习能力弱，混合核函数是为了提高支持向量机模型的精度提出的一种新型核函数，它是由全局多项式核和局部高斯核线性组合而成。
新方法采用混合核函数改进最小二乘支持向量机，引入果蝇优化算法对模型核函数参数、惩罚系数等综合基于混合核函数FOA-LSSVM 的预测模型
周金明，王传玉，何帮强
ZHOU Jinming,WANG Chuanyu,HE Bangqiang
安徽工程大学数理学院，安徽芜湖241000
School of Mathematics &Physics,Anhui Polytechnic University,Wuhu,Anhui 241000,China
ZHOU Jinming,WANG Chuanyu,HE Bangqiang.Forecasting model via LSSVM with mixed kernel and https://www.doczj.com/doc/8b17989504.html,puter Engineering and Applications,2015,51（4）：133-137.
Abstract ：The kernel and the parameters of Support Vector Machine （SVM ）have a significant impact on precision.In view of better learning capability of local kernels and better generalization capability of global kernels,the mixed kernel is constructed by a typical local kernel-Radial Basis Function （RBF ）and a typical global kernel-polynomial kernel.By use of Fruit Fly Optimization Algorithm （FOA ）,a novel FOA-LSSVM model with mixed kernels is set up in this paper.Results demonstrate that the new model has great accuracy than traditional methods and has real application value in forecasting.Key words ：forecasting;Fruit Fly Optimization Algorithm;Least Square Support Vector Machine;mixed kernel
摘要：支持向量机（SVM ）的核函数类型和超参数对预测的精度有重要影响。由于局部核函数学习能力强、泛化性能弱，而全局核函数泛化性能强、学习能力弱的矛盾，通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数，并引入果蝇优化算法（FOA ）对最小二乘支持向量机（LSSVM ）参数进行全局寻优，提出了混合核函数FOA-LSSVM 预测模型。结果表明，该模型较传统方法在电力负荷预测精度上有了明显提高，预测结果科学可靠，在预测中具有良好的实际应用价值。
关键词：预测；果蝇优化算法（FOA ）；最小二乘支持向量机（LSSVM ）；混合核
文献标志码：A 中图分类号：TP18doi ：10.3778/j.issn.1002-8331.1303-0459
基金项目：国家自然科学基金（No.10826098，No.71171003）；安徽工程科技学院青年基金资助项目（No.2008YQ038）；安徽省自然
科学基金资助项目（No.090416225）；安徽高校自然科学基金资助项目（No.KJ2010A037）。
作者简介：周金明（1981—），男，讲师，研究方向：计算机辅助几何设计、数值逼近。E-mail ：zjm@https://www.doczj.com/doc/8b17989504.html,
收稿日期：2013-03-28修回日期：2013-05-06文章编号：1002-8331（2015）04-0133-05
CNKI 网络优先出版：2013-06-17,https://www.doczj.com/doc/8b17989504.html,/kcms/detail/11.2127.TP.20130617.0925.017.html Computer Engineering and Applications 计算机工程与应用
133