摘要：针对传统的最小二乘支持向量机（LSSVM）参数不易确定且单一预测模型精度不高的问题，提出了一种基于集合经验模态分解（EEMD）与LSSVM的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列，再对各子序列分别建立合适的预测模型。进一步通过贝叶斯证据框架来优化LSSVM的参数，用贝叶斯推理确定模型参数、正规化超参数和核参数。然后将各子序列预测结果进行叠加得到最终预测值。最后，将该预测模型用于某一家庭超短期负荷预测中，仿真结果表明，该模型取得了比单一模型更好的预测效果。

关键词：超短期负荷预测 集合经验模态分解 最小二乘支持向量机 贝叶斯框架 时间序列 

单位：河南理工大学电气工程与自动化学院 河南焦作454000