[發明專利]一種基于最小二乘支持向量機的新能源汽車銷量預測方法

在審

• 申請號: 202210578343.0
• 申請日: 2022-05-25
• 公開（公告）號: CN114881705A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 王小璇;鄧欣宇;王晶;黃旭;劉超;楊國朝;徐智;趙長偉;高強偉;劉偉;陳靜;陸楊
• 申請（專利權）人: 國網天津市電力公司;國家電網有限公司;國網天津市電力公司城東供電分公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/10
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王雨晴

1.一種基于最小二乘支持向量機的新能源汽車銷量預測方法，其特征在于：包括如下步驟：

步驟1、建立基于最小二乘支持向量機的新能源汽車月度銷量預測模型；

步驟2、求解步驟1所構建的基于最小二乘支持向量機的新能源汽車月度銷量預測模型，輸出預測值。

2.根據權利要求1所述的一種基于最小二乘支持向量機的新能源汽車銷量預測方法，其特征在于：所述步驟1的具體步驟包括：

(1)選擇輸入變量，并劃分訓練集和測試集，構成最小二乘向量機模型的樣本數據集；

(2)數據預處理，將訓練集的輸入和輸出數據都進行歸一化，具體公式如下所示：

(3)選擇核函數并確定核懲罰參數C和核函數的寬度系數σ，進而完成基于最小二乘支持向量機的新能源汽車月度銷量預測模型的構建。

3.根據權利要求2所述的一種基于最小二乘支持向量機的新能源汽車銷量預測方法，其特征在于：所述步驟1第(1)步的具體方法為：

采用前三個月的時間序列值，來預測第四個月的數值，即選用1-3期的月度銷量數據作為模型的輸入變量，第4期的預測值作為輸出變量；再以2-4期的初始值作為模型的輸入變量，第5期的預測值作為網絡輸出；按照此種規律依次類推，構成最小二乘向量機模型的樣本數據集；

再將前77期樣本數據劃分為樣本集，剩余8期樣本數據作為測試集。

4.根據權利要求2所述的一種基于最小二乘支持向量機的新能源汽車銷量預測方法，其特征在于：所述步驟1第(3)步的具體方法為：

選用試湊法獲得基于最小二乘支持向量機的新能源汽車月度銷量模型的最優參數：C＝3，σ＝500。

5.根據權利要求1所述的一種基于最小二乘支持向量機的新能源汽車銷量預測方法，其特征在于：所述步驟2的具體方法為：

假設數據集為：

(x_i,y_i),i＝1,...l，

式中y_i∈R^d——預測數據的期望值；

x_i∈R^d——輸入向量；

d——輸入數據的維數。

在高維特征空間中，超平面模型及優化目標則變為：

s.t.y_i＝ω·φ(x_i)+b+e_ii＝1,2,...,m

式中e_i——誤差值；

——非線性映射關系；

朗格朗日函數為：

根據KKT條件有：

可得到解為：

式中I——單位矩陣；

q＝[1,...,1]^T；

y＝[y₁,...,y_m]^T；

α＝[α₁,...,α_m]^T。

將核函數定義為：

K(x_i,x_j)＝φ(x_i)^Tφ(x_j)

則求解公式可變更為：

求解上述方程可得α和b的值，對應的最優線性函數為：

并在MATLAB2018b環境下編制標準化程序，使用trainlssvm函數訓練前77期樣本數據，并建立基于LSSVM的新能源汽車月度銷量預測模型，讀取后8期測試樣本數據并輸入到訓練好的預測模型中，利用simlssvm函數得出預測值。