[发明专利]一种基于最小二乘支持向量机的新能源汽车销量预测方法

权利要求书

1.一种基于最小二乘支持向量机的新能源汽车销量预测方法，其特征在于：包括如下步骤：

步骤1、建立基于最小二乘支持向量机的新能源汽车月度销量预测模型；

步骤2、求解步骤1所构建的基于最小二乘支持向量机的新能源汽车月度销量预测模型，输出预测值。

2.根据权利要求1所述的一种基于最小二乘支持向量机的新能源汽车销量预测方法，其特征在于：所述步骤1的具体步骤包括：

(1)选择输入变量，并划分训练集和测试集，构成最小二乘向量机模型的样本数据集；

(2)数据预处理，将训练集的输入和输出数据都进行归一化，具体公式如下所示：

(3)选择核函数并确定核惩罚参数C和核函数的宽度系数σ，进而完成基于最小二乘支持向量机的新能源汽车月度销量预测模型的构建。

3.根据权利要求2所述的一种基于最小二乘支持向量机的新能源汽车销量预测方法，其特征在于：所述步骤1第(1)步的具体方法为：

采用前三个月的时间序列值，来预测第四个月的数值，即选用1-3期的月度销量数据作为模型的输入变量，第4期的预测值作为输出变量；再以2-4期的初始值作为模型的输入变量，第5期的预测值作为网络输出；按照此种规律依次类推，构成最小二乘向量机模型的样本数据集；

再将前77期样本数据划分为样本集，剩余8期样本数据作为测试集。

4.根据权利要求2所述的一种基于最小二乘支持向量机的新能源汽车销量预测方法，其特征在于：所述步骤1第(3)步的具体方法为：

选用试凑法获得基于最小二乘支持向量机的新能源汽车月度销量模型的最优参数：C＝3，σ＝500。

5.根据权利要求1所述的一种基于最小二乘支持向量机的新能源汽车销量预测方法，其特征在于：所述步骤2的具体方法为：

假设数据集为：

(x_i,y_i),i＝1,...l，

式中y_i∈R^d——预测数据的期望值；

x_i∈R^d——输入向量；

d——输入数据的维数。

在高维特征空间中，超平面模型及优化目标则变为：

s.t.y_i＝ω·φ(x_i)+b+e_ii＝1,2,...,m

式中e_i——误差值；

——非线性映射关系；

朗格朗日函数为：

根据KKT条件有：

可得到解为：

式中I——单位矩阵；

q＝[1,...,1]^T；

y＝[y₁,...,y_m]^T；

α＝[α₁,...,α_m]^T。

将核函数定义为：

K(x_i,x_j)＝φ(x_i)^Tφ(x_j)

则求解公式可变更为：

求解上述方程可得α和b的值，对应的最优线性函数为：

并在MATLAB2018b环境下编制标准化程序，使用trainlssvm函数训练前77期样本数据，并建立基于LSSVM的新能源汽车月度销量预测模型，读取后8期测试样本数据并输入到训练好的预测模型中，利用simlssvm函数得出预测值。