基于网格搜索优化的主成分分析-支持向量机算法的冷水机组能耗预测

论文摘要

针对冷水机组能耗受多因素影响的特点,本文提出了一种基于主成分分析（Principal Component Analysis,PCA）和支持向量机（Support Vector Machine,SVM）的冷水机组能耗预测模型。采用交叉验证和网格搜索法优化支持向量机（SVM）,将PCA-SVM的预测结果与优化后的SVM进行比较,结果表明:优化后的SVM模型的拟合优度较未经优化的模型提升了12.88%,建模时长较未经优化的模型缩短了80%,实现了在提升预测精度的同时节省了计算资源。

论文目录

文章来源

类型: 期刊论文

作者: 刘峥,黄真银,徐成良,陈焕新,李昱瑾

关键词: 冷水机组能耗预测,主成分分析,支持向量机,参数寻优

来源: 制冷技术 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 建筑科学与工程,自动化技术

单位: 华中科技大学中欧清洁与再生能源学院,华中科技大学能源与动力工程学院

基金: 国家自然科学基金（No.51876070,No.51576074）

分类号: TP18;TU831.3

页码: 15-20

总页数: 6

文件大小: 1303K

下载量: 190

相关论文文献

标签：冷水机组能耗预测论文;  主成分分析论文;  支持向量机论文;  参数寻优论文;