[发明专利]基于PLS-SVM-GA算法的电网投资能力预测方法

说明书

本发明公开了一种基于PLS‑SVM‑GA算法的电网投资能力预测方法，包括步骤：S101、确定电网企业投资能力的初始影响因素；S102、根据灰色关联度分析进行变量的初步选择；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；S104、将提取出的成分通过支持向量机模型构建训练样本集；S105、利用遗传算法对支持向量机的参数进行优化；S106、对电网投资能力的拟合效果进行评价；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。本发明兼顾支持向量机和遗传算法的优点，能够更好地考虑非线性因素影响，使模型具有较好的鲁棒性和预测稳定性，从而大大提高预测结果的准确性。

技术领域

本发明涉及一种电网投资能力预测方法，尤其涉及一种基于PLS-SVM-GA算法的电网投资能力预测方法。

背景技术

在改革和规范电网企业运营模式的新电改背景下，对电网企业投资能力的研究越来越迫切。合理、客观地把握企业的投资能力是企业管理策略研究的核心内容之一。并且，随着电力市场化和电网企业体制改革的逐步深化，电网企业的经济效益因素在投资决策中所占的比重日益增大。因此，为满足电网企业对资金项目计划和预算管理的需要，有必要采取科学的方法对电网投资能力进行客观的预测，从而对电网公司的投资能力预测提供一定的决策支持。

大多数学者采用主成分分析法提取影响因素，但是在影响因素选择上，电网投资涉及的影响因素众多，包括经营状况、管理水平、市场贡献、经济环境和政策环境等多方面指标的多层次、多维度的影响，已有文献有的仅从电网企业投资的内部因素或者外部因素进行分析，有的从内外部都分析了投资因素，均不够全面、客观。

在预测方法选取上，应用较为广泛的方法包括计量回归方法以及综合评价方法。计量回归方法主要集中在多元回归以及协整分析，但是传统回归方法的重要缺点是没有考虑影响因素对电网投资规模的非线性影响，并且大多数文献在使用计量模型预测电网投资规模的时候忽略了计量模型的内生性问题。另外，许多学者利用综合评价方法建立电网投资影响因素体系，并在此基础上分析预测电网企业的投资能力。然而，综合评价方法在指标重要程度的判定上有很大的主观性，并且电网企业的投资的因素影响通常是非线性的，从而大大影响了预测的准确性。

发明内容

本发明所要解决的技术问题是提供一种基于PLS-SVM-GA算法的电网投资能力预测方法，能够更好地考虑非线性因素影响，使模型具有较好的鲁棒性和预测稳定性，从而大大提高预测结果的准确性。

本发明为解决上述技术问题而采用的技术方案是提供一种基于PLS-SVM-GA算法的电网投资能力预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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