[发明专利]基于PLS-SVM-GA算法的电网投资能力预测方法

权利要求书

1.一种基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，包括以下步骤：

步骤S101、确定电网企业投资能力的初始影响因素；

步骤S102、根据灰色关联度分析进行变量的初步选择；

步骤S103、利用偏最小二乘法中的主成分分析对初始影响因素进行提取；

步骤S104、将提取出的成分通过支持向量机模型构建训练样本集；

步骤S105、利用遗传算法对支持向量机的参数进行优化；

步骤S106、对电网投资能力的拟合效果进行评价；

步骤S107、利用优化后的支持向量机对电网投资能力进行预测并输出评价指标。

2.如权利要求1所述的基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，所述步骤S101中初始影响因素包括：主营业务成本、资产负债率、净资产收益率、单位资产售电量、运行维护费、线损率、售电量、电力行业景气指数、全年高峰负荷、销售电价、GDP、固定资产投资额、城市化率、第二产业占比、能源消费强度、碳排放强度、经济发展目标和贷款利率。

3.如权利要求1所述的基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，所述步骤S102对步骤S101中的初始影响因素分别进行灰色绝对关联度、灰色相对关联度分析，进而计算灰色综合关联度，并选择灰色综合关联度在0.5以上的影响因素进行下一步分析。

4.如权利要求3所述的基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，所述步骤S102中灰色综合关联度ρ_0i的计算公式如下：

ρ_0i＝θε_0i+(1-θ)r_0i

其中，θ∈[0,1]，取θ＝0.5，表示对绝对量之间的关系和变化速率同等重视，r_0i为灰色相对关联度，ε_0i为灰色绝对关联度。

5.如权利要求1所述的基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，所述步骤S103包括：

对数据进行标准化处理，生成标准化矩阵E₀和F₀，表示x_ij标准化后的数值；表示y_i标准化后的数值；x_ij表示解释变量矩阵X中第j个变量x_j的第i个样本点；y_i表示因变量y的第i个样本值；

通过交叉有效性原则来确定PLS回归中成分的提取个数；

依次提取第一个主成分t₁、第二成分t₂、…和第h成分t_h，在确定h后停止迭代，其中h小于X的秩。

6.如权利要求5所述的基于PLS-SVM-GA算法的电网投资能力预测方法，其特征在于，所述PLS回归中成分的提取个数确定过程如下：

记y_i为原始数据，t₁，t₂，…，t_m是在PLS回归过程中提取的成分，为使用全部样本点并取成分t₁，t₂，…，t_h回归建模所得的第i个样本点的拟合值，而是在回归时删去样本点i，再利用成分t₁，t₂，…，t_h回归所得y_i的拟合值；

则交叉有效性的定义为：

当时，停止增加新的成分t_h。