加载中…

加载中...

个人资料
faruto
faruto 新浪个人认证
  • 博客等级:
  • 博客积分:0
  • 博客访问:1,207,578
  • 关注人气:2,114
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
正文 字体大小:

[转载]终于搞定svm回归

(2010-12-06 11:36:31)
标签:

转载

分类: SVM
原文地址:终于搞定svm回归作者:梦在继续

今天终于把它作出来了。

觉得归一化还是很有必要,虽然很多帖子说不需归一化,我刚开始也是这么做的,不过总是做不出来。一则以为是svm自动寻优的grid函数功能不够强大,参数寻得不好;二则以为是自己的数据问题,虽然数据是电力局买来的,应该是真实的,不过可能这些数据不适合做回归,或者这样说比较好理解,就是这些电力负荷本身就不具有预测性,所以再好的模型也是白搭。

但是今天首次把归一化用了下,发现预测出来的效果很不一样,很好。呵呵,让我痛苦了几天,不过经历过痛苦也是好的,这样才有成就感哈哈。

我做的不是简单的电量预测,而是实时的负荷预测,这个相对于前者是有实际意义的。就好比气象局把明天的天气情况(最高最低平均气温、风速、早8时温度等信息)告诉我,我把它们作为气候因素加入到我的模型中,结合前几日的每一时间点的电力负荷,可以输出明天一整天的每一时间段的负荷。这个结果对于电力局来说是很重要的,有实际意义的。

其实我是没有时间做了,过几天就要回家了,只是想快点把这东西结束掉算了,不然还可以做几个更有意义的事。首先,可以按照统计学的方法处理下数据,其实我说的不准确啦,不是把那些数据不好的点去掉啊什么的,而是把每天的每个负荷点与气候因素做一个相关性分析,只有和气候相关的才是对我的模型有帮助的,所以把相关的分成一类,和气候因素结合在一起通过svm预测,不相关的采取其他简单的办法(平均求值,土了点)。这样的预测更加精准,而且有做头,才像是一篇毕设,不过档次应该是上升到硕士了。

还有就是对模型的改进,svm寻参的时候可以做文章。可以用遗传或者蚁群等算法结合svm把最优的参数寻出来,再预测。

如果想要发一篇论文的话,其实最后的分析比较少不了,当然可以和其他的神经网络比一下,看看哪个结果更优。

 

《科研-支持向量机(SVM)预测》中的相关文章:

0

  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有