基于优化组合核和Morlet小波核的LSSVM脉动风速预测方法

来源：振动与冲击杂志2016年第18期北京时间：

作者：迟恩楠，李春祥

单位：上海大学 土木工程系，上海 200072

摘要：核函数是支持向量机的重要组成部分，直接影响预测模型的结果。根据Mercer定理，推导出了Morlet小波核函数，使其具有局部化、多层次、多分辨的优点。选择具有代表性的径向基（RBF）核函数和多项式（Poly）核函数构建出局部性和全局性相结合的线性组合核函数，使得预测模型保留RBF核函数所赋予的优越学习能力以及Poly核函数所拥有的强泛化能力。进一步，使用粒子群优化（PSO）算法，对惩罚参数、核参数、权重、尺度因子进行寻优，分别建立了基于Morlet小波核和组合核的PSO-LSSVM模型。使用建立的预测模型，对脉动风速进行了预测。通过比较预测性能评价指标，发现基于Morlet小波核和组合核PSO-LSSVM的预测精度优于常用的单核PSO-LSSVM模型。<br>

关键词：预测；脉动风速；Morlet小波核；组合核；最小二乘支持向量机；粒子群优化