⛄ 内容介绍
基于数据的机器学习就是由观测样本数据得出目前尚不能通过原理分析得到的规律,利用其对未来数据进行预测.神经网络以其优越的函数逼近性能广泛用于建立时间序列过去与未来数据之间某种确定的映射关系,实现预测.首先分析了以经验风险最小化为准则的神经网络的局限性,以及针对此提出的结构风险最小化准则的优点;其次引出支持向量机;最后利用支持向量机对用电数据做较准确的多步预测.

⛄ 部分代码
clc;

clear

C = 30;

theta = 2;%C为最小二乘支持向量机的正则化参数，theta为高斯径向基的核函数参数，两个需要进行优化选择调试

NumOfPre = 1;%预测天数，在此预测本季度最后七天

%以负荷的加权为参考1

al = 2;%温度的加权

be = 1;%湿度的加权

th = 1;%星期的加权

Time = 48;

Data = xlsread(‘input.xls’);%此为从excel表格读数据的命令，表示将表格的数据读到Data数组中，省略表格中的第一行第一列文字部分 可输入你要预测的表格名称

⛄ 运行结果

⛄ 参考文献
[1]何闰丰, 黄莺. 一种改进支持向量机的电力负荷预测方法研究[J]. 红水河, 2022(002):041.
———————————–