摘要：针对选煤厂日用水量时间序列的预测问题,提出应用最小二乘支持向量机(LSSVM)这一新的机器学习方法来实现日用水量的短期预测.借鉴多层动态自适应优化算法的思想,提出最小二乘支持向量机参数优化的多层动态交叉验证法;用微熵率法求得选煤厂日用水量时间序列的最佳嵌入维数和最佳延迟参数,重构相空间,建立了基于最小二乘支持向量机的选煤厂日用水量时间序列等维信息一步预测模型.预测结果表明:基于LSSVM的预测模型的预测精度比BP神经网络预测模型的预测精度要高,能够满足选煤厂日用水量预测的需要.

关键词：最小二乘支持向量机 选煤厂日用水量 参数优化 bp神经网络 预测 

单位：中国矿业大学信息与电气工程学院; 中国矿业大学信息与电气工程学院; 江苏徐州; 徐州师范大学计算机科学与技术学院; 江苏徐州