pso-svm-prediction 优化支持向量机中的正则化参数C和核函数参数K的粒子群算法

优化支持向量机中的正则化参数C和核函数参数K的粒子群算法，实现了对电力负荷的短期预测，预测效果较好，可根据自己要求进行更改。

function [Acu]=AdaptFunc（XXYY）
%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
Time = 24;
Data = xlsread（‘a23.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
[M N] = size（Data）;%计算读入数据的行和列 M行N列
for i = 1:3
    maxData = max（Data（:i））;
    minData = min（Data（:i））;
    Data1（:i） = （Data（:i） - minData）/（maxData-minData）;%对温度进行归一化处理
end
for i = 4:5
    Data1（:i） = Data（:i）;
end
for i = 6:N
    Data1（:i） = log10（Data（:i）） ;%对负荷进行对数处理 温度和负荷的预处理 可采用不同的方法 可不必拘泥
end
Dim =  M - 2 - NumOfPre;%训练样本数%训练样本数
Input = zeros（M-212Time）;%预先分配处理后的输入向量空间
y = zeros（DimTime）;
for i = 3:M 
    for j = 1:Time
        %%选取前一天温度、同一时刻的负荷，前两天的负荷，当天的温度作为输入特征
        x = [Data1（i-11:5） Data1（i-1j+5） Data1（i-2j+5）Data1（i1:5）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      22016  2016-06-04 13:19  pso-svm电力负荷预测\a23.xls

     文件        379  2016-06-02 13:48  pso-svm电力负荷预测\acu.mat

     文件        379  2016-06-02 11:53  pso-svm电力负荷预测\acu1.mat

     文件       2392  2016-06-02 13:34  pso-svm电力负荷预测\AdaptFunc.m

     文件       3813  2010-05-18 10:36  pso-svm电力负荷预测\baseStepPso.m

     文件       2178  2016-06-02 12:59  pso-svm电力负荷预测\InitSwarm.m

     文件       2112  2016-06-02 13:37  pso-svm电力负荷预测\pso.m

     文件       2841  2016-06-02 13:34  pso-svm电力负荷预测\shorttime.m

    I.A..H.       165  2016-06-04 13:14  pso-svm电力负荷预测\~$模式识别.pptx

     目录          0  2016-11-11 17:30  pso-svm电力负荷预测

----------- ---------  ---------- -----  ----

                36275                    10