[发明专利]一种基于GASA-SVR的需水预测方法

权利要求书

1.一种基于遗传算法和模拟退火算法混合优化支持向量回归机GASA-SVR的需水预测方法，包括数据收集、数据归一化处理、模型训练、模型测试和模型评估，其特征在于：通过遗传和模拟退火组合优化算法GASA对支持向量回归机SVR的三个参数惩罚因子C、不敏感系数ε和核函数参数σ进行寻优，输入到训练模型。

2.根据权利要求1所述的方法，所述数据收集包括收集校园用水数据和影响因素数据。

3.根据权利要求2所述的方法，在所述数据收集后，对用水影响因素进行因子分析，将关联度高的特征值作为GASA-SVR模型的输入。

4.根据权利要求3所述的方法，所述对用水影响因素进行因子分析包括利用SPSS数据分析软件对原始数据进行分析。

5.根据权利要求3所述的方法，所述模型评估包括用误差评估标准判定预测模型的精度。

6.根据权利要求5所述的方法，所述误差评估标准包括均方根误差RMSE和决定系数r²：

式中，y_j为某一天的实际用水量，y_jpre为该天对应的预测值，为数据集日用水量的平均值，n为数据集中的训练样本数量。

7.根据权利要求1所述的方法，所述遗传和模拟退火组合优化算法包括如下步骤：

步骤一：初始化种群；

步骤二：选择均方根误差RMSE作为适应度函数，计算每个个体的适应度值，作为预测误差的评判；

步骤三：初始化迭代次数；

步骤四：小于迭代次数最大值MAXGEN则继续下一步，大于等于MAXGEN则算法停止，输出最优惩罚因子C、不敏感系数ε和核函数参数σ；

步骤五：选择、交叉、变异操作；

步骤六：遗传GA算法生成的新种群传递给模拟退火SA算法，计算适应度RMSE的值并作为SA算法的初始状态值f₀；

步骤七：随机扰动生成SVR的三个参数，计算SA算法的目标函数值RMSE，产生一个新状态，记为f^*，跟状态值f₀做比较，若在Metropolis接受准则内，则接受新状态，将f^*赋值给f₀，迭代开始后，f₀是一个不断更新的过程；

步骤八：小于最大迭代次数返回步骤七继续扰动生成新状态，大于等于最大迭代次数再进行下一步；

步骤九：降温，达到终止温度则SA算法结束，返回到步骤四，并向GA算法返回SVR较优的三个参数C，ε和σ，否则返回步骤七。

8.根据权利要求7所述的方法，所述初始化种群包括对SVR的三个参数惩罚因子C，不敏感系数ε和核函数参数σ进行二进制编码生成初始种群。

9.根据权利要求8所述的方法，所述降温为：T_i+1＝KT_i，其中T_i为降温前的温度，T_i+1为降温后的温度，K为降温系数。