26、公共建筑用电与出租车服务预测方法解析

公共建筑用电与出租车服务预测方法解析

公共建筑用电预测

在公共建筑用电预测方面，采用了两阶段的预测方法，该方法能够有效提升预测的准确性，为能源和成本节约提供有力支持。

预测阶段：支持向量回归

此阶段将实际的预测技术应用于第一阶段聚类得到的代表性数据上。由于目标是预测未来24小时的用电量，即多步预测，有直接法和递归法两种选择。为避免递归法中因使用预测值作为已知数据来预测新值而导致的误差累积，采用了直接法。不过，直接法虽然提高了预测准确性，但增加了预测的复杂性，因为每个预测步骤都需要训练不同的模型。所以，为每个聚类计算24个模型，以预测未来24小时内每小时的用电量。

选用了非线性预测算法——支持向量回归（SVR），它源自常用于分类的支持向量机（SVM），基本思想是将数据非线性映射到高维空间，并在该空间中进行线性回归。SVR通过以下最小化问题来估计回归函数：
[
E = \frac{1}{2}w^T w + C \sum_{i=1}^{n} (\xi_i + \xi_i^ )
]
其中，最小化成本函数受以下约束条件限制：
[
\begin{cases}
y_i - (w^T \varphi (x_i) + b) \leq \epsilon + \xi_i^ \
(w^T \varphi (x_i) + b) - y_i \leq \epsilon + \xi_i \
\xi_i^ , \xi_i \geq 0, i = 1, \ldots, n
\end{cases}
]
输入 $x_i$ 通过核函数 $\Phi