论文总字数：30330字

目 录

1. 绪论 ……………………………………………………………………1

1.1 研究背景及意义 …………………………………………………………………………1

1.2 国内外研究现状 …………………………………………………………………………2

1.3 论文的主要工作和安排 …………………………………………………………………4

1. 支持向量机理论概述 …………………………………………………5

2.1 统计学习理论 ……………………………………………………………………………5

2.1.1 机器学习理论 ……………………………………………………………………5

2.1.2 泛化性的界和VC维 ……………………………………………………………7

2.1.3 结构风险最小化准则 ……………………………………………………………8

2.2 支持向量机 ………………………………………………………………………………8

2.2.1 线性可分支持向量机 ……………………………………………………………9

2.2.2 线性支持向量机…………………………………………………………………12

2.3 支持向量回归机…………………………………………………………………………12

2.4 本章小结…………………………………………………………………………………14

1. 支持向量机回归模型选择……………………………………………15

3.1 标准支持向量机回归模型………………………………………………………………15

3.1.1 -支持向量机回归 ……………………………………………………………15

3.1.2 -支持向量机回归 ……………………………………………………………17

3.2 核函数分析和构造………………………………………………………………………18

3.3 支持向量回归的参数分析………………………………………………………………23

1. 基于SVR的风速风向预测……………………………………………25

4.1 风速预测模型的构建……………………………………………………………………25

4.1.1 数据的采集与处理………………………………………………………………25

4.1.2 学习模型的求解…………………………………………………………………27

4.2 实验分析…………………………………………………………………………………28

4.2.1 基于的风速预测………………………………………………………29

4.2.2 基于的风速预测………………………………………………………30

4.2.3 不同核函数的风速预测性能……………………………………………………31

4.3 风向预测实验……………………………………………………………………………32

4.4 与线性回归方法对比……………………………………………………………………35

1. 总结与展望 …………………………………………………………37

5.1 总结………………………………………………………………………………………37

5.2 展望………………………………………………………………………………………37

参考文献…………………………………………………………………38

致谢………………………………………………………………………40

支持向量机回归风速风向预测方法研究

张状状

, China

Abstract：Energy is one of the basic conditions for human survival and development, and its effective development and utilization has become a vital link in the sustainable development of mankind. As we all know, natural wind is random, fluctuating and can not be controlled. Therefore, it is necessary to predict wind speed if when we use wind power generation. At present, there are many researches on wind speed prediction. This paper will explore how to use the principle of support vector machine (SVM) to predict wind speed and wind direction. Based on statistical learning, the regression principle of support vector machines (SVM) is analyzed, including the properties of kernel function and model super parameter. Grid-search method and cross validation are used to optimize the parameters. The wind speed is predicted successfully by SVR model. The experimental results show that the prediction accuracy of RBF core and the model of is better. Then, by comparing with the linear regression method, it is proved that the SVR method performs better than the general regression method.

Key words：support vector machine; support vector regression machine; wind speed and direction; prediction; kernel function

1 绪论

1.1 研究背景及意义

随着现代工业的快速发展，人们的生活质量也逐渐提升，而一昧的谋求经济的快速发展，必然会导致传统能源使用过度，能源危机的出现，严重影响了人类的生产活动。与此同时，一些常规能源如化石能源的使用，也使得环境污染愈发严重，引发了一系列影响人类生存空间的问题，如：水资源污染、土地资源污染、空气污染及全球气候变暖等。

据海关总署日前公布的数据显示，2017年中国的石油进口量创历史新高，总量为41957万吨，同比增长10.1%^[1]；进口金额为11002.86亿元，同比增长42.7%。据估计，中国的石油进口量日后将大幅提升，甚至在2020年达到7亿吨，显然，中国目前正面临能源短缺的问题以及由此造成的环境污染。一次能源正在逐步枯竭，预计在2040年左右，全球会进入“石油枯竭时代”，能源的枯竭严重影响了经济的发展，如果能源问题得不到保障，工业化和现代化的进程将失去活力。

中国是发展中大国，碳排放量已经超过美国成为世界第一，同时，雾霾的频发也让人们对环境问题的注重达到了一个新的高度，为了从根源上解决环境污染，人类必须将重心放在可持续使用并对生态环境友好的新型能源上，而其中风能作为一种最具有发展潜力的新能源，它具有可再生、清洁、分布广、廉价、蕴藏量丰富等优点，因此风能可以有效缓解环境污染和温室效应。 除了降低温室气体排放量之外，风能还大大减少了各种对健康有害的空气污染物，包括形成烟雾的二氧化硫和氮氧化物，危险的颗粒物质，汞和其他毒素。风能还有利于减少普通发电厂冷却过程中浪费的大量水资源。

地球上的风能资源异常丰富，约为水资源的8倍，只要可以充分的利用风能，那人类生产活动所需的能源便有了保障。图1.1为2001年至2016年全球风电装机总容量，可见，近几年来总的装机容量迅速增加，已于2016年到达486.7GW。中国的地理位置和面积决定了中国风能资源的丰富，表1.1为2016年全球各国新增以及累计装机容量对比，显而易见，我国已经成为全球发展最迅速规模最大的风电大国^[1]。

图1.1 2001-2016年全球风电装机累计容量（MW）

表1.1 2016年世界各国新增和累计装机容量占比

风能具备很多其他能源所没有的优势，当然也存在一些缺点。由于风具有间接性和不稳定性，合理完善并利用风力发电并非一件容易的事，大规模风力发电的电流是波动和间接性，接入电网时会影响局部电网的稳定运行，这是阻碍风电产业发展的重要因素。若能对风速和风向进行有效的预测，便能够提供较精确的风电功率，以便电力部门制定合理的调度方案，最大程度的减少风电的负面影响。

为了充分利用风能，满足风力发电产业发展的需求，本课题将对风速风向的预测方法进行研讨。

1.2 国内外研究现状

风速、风向和风密度是描述风能特点的主要参数，其中风速的预测是最重要的，预测的准确度也是最具影响力的。大自然的风是变幻莫测的，尤其是风速，通常会遭到各种要素的影响，如：温度、海拔、经纬度、气压、地形、空气湿度等，这就给使得风速预测精度较差，常常无法满足人们的需求。

对风速预测的研究有很多，不同方法各有特点及优劣之处，主要可分为以下3类：物理方法、统计方法和智能算法。不过，这样简单的分类并非绝对，因为在实际应用中已经很少使用单纯的物理方法或智能算法等理论进行风速预测，为了使风速预测模型更加高效且精准，通常都是结合不同的模型进行综合应用。近几年来，人工智能发展迅速，像人工神经网络（ANN）和模糊逻辑理论（Fuzzy Logic）等方法都普遍被应用于风速预测中。

剩余内容已隐藏，请支付后下载全文，论文总字数：30330字

相关图片展示：