您目前所在的位置:首页 - 期刊简介 - 详细页面

铁道科学与工程学报

JOURNAL OF RAILWAY SCIENCE AND ENGINEERING

第10卷    第6期    总第56期    2013年12月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7029( 2013) 06-0121-04
基于相关向量机的电气化铁路用电量预测方法
杨旭东,陈治亚

(中南大学交通运输工程学院,湖南长沙410075)

摘 要: 为了提高用电量预测的精度,提出基于相关向量机回归的预测模型,在时间序列数据的基础上通过拟合训练得出其内在关系,进而可以计算得到较为准确的预测结果。相关向量机具有算法简洁和预测精度高等特点,易于编程使用。为了验证模型的有效性,本文选取2006年3月至2013年2月之间的电气化铁路用电量数据进行模型拟合训练,并预测分析2013年3月至7月的用电量情况。最后,通过对比分析表明相关向量机模型的预测结果比传统回归方法的预测结果更优。

 

关键字: 电气化铁路; 用电量预测; 相关向量机; RVM

Prediction approach of electricity demand for electrified railway based on relevance vector machine
YANG Xudong,CHEN Zhiya

School of Traffic and Transportation Engineering,Central South University,Changsha 410075,China

Abstract:In order to improve the prediction accuracy of electricity demand,a forecasting model was proposed based on relevance vector machine regression.On the basis of time series data,relative accurate results of prediction can be calculated by fitting simulation to derive the internal relationship.The relevance vector machine is simple,high prediction precision and is easy to use.In order to verify the validity of the model,the electricity demand data of electrified railway between 2006.3 to 2013.2 was adopted as training data,and the electricity demand from 2013.3 to 2013.7 was predicted and investigated.Finally,by comparing with the traditional regression results,the predicted results gained from relevance vector machine model are better.

 

Key words: electrified railway; electricity demand forecasting; relevance vector machine; RVM

ISSN 1672-7029
CN 43-1423/U

主管:中华人民共和国教育部 主办:中南大学 中国铁道学会 承办:中南大学
湘ICP备09001153号 版权所有:《铁道科学与工程学报》编辑部
------------------------------------------------------------------------------------------
地 址:湖南省长沙市韶山南路22号 邮编:410075
电 话:0731-82655133,82656174   传真:0731-82655133   电子邮箱:jrse@mail.csu.edu.cn