城市小时级需水量的改进型引力搜索算法--最小二乘支持向量机模型预测

本文研究利用最小二乘支持向量机(leastsquaressupportvectormachine,LS--SVM)算法建立城市小时级需水量预测模型.采取精英策略,自适应的速度更新权重系数,同时引入粒子历史最优信息对引力搜索算法(gravitationalsearchalgorithm,GSA)进行了改进.最后采用改进型引力搜索算法(amelioratedgravitationalsearchalgorithm,AGSA)优化LS-SVM水量预测模型的正规化参数和核参数来提高模型的预测精度及预测速度.理论测试与实例分析表明,基于AGSA比基于GSA,遗传算法(geneticalgorithms,GA)和粒子群优化算法(particleswarmoptimization,PSO)的LS--SVM水量预测模型具有更好的预测精度,从而验证了基于AGSA的LS--SVM算法适用于小时级需水量预测问题,AGSA适用于多领域的模型参数的优化过程.