中国科技信息2023年第8期·CHINASCIENCEANDTECHNOLOGYINFORMATIONApr.2023-74-◎两星推荐园区源网荷储建设的重要课题。智慧设计园是数字化转型的重点项目，定位为数据驱动的生活和管理的新型园区。园区内用电负荷主要为空调、照明和电梯负荷，受到工作日、办公时间、使用人数的影响，负荷数据具备明显的周期属性，符合负荷预测的基本规律。本文选取三种经典的负荷预测方式，支持向量机回归预测、反向传播神经网络（BP）和长短时间记忆网络（LSTM）算法对园区的负荷数据进行预测应用。算法模型SVR支持向量机回归算法支持向量机回归（SupportVectorMachineRegression）是一种非常流行的回归算法。它是支持向量机算法的一种扩展，与分类问题不同的是，SVR的目标是通过一个最优的超平面拟合数据，使得训练样本与该超平面的间隔尽可能小，并且避免过拟合。支持向量机回归的原理与SVM相似，但是对于连续的输出变量，支持向量机回归不再寻找一个分类平面，而是寻找一个回归平面，使得所有实例到这个平面的距离尽可能小，并且小于等于给定的阈值，这个阈值就是支持向量机回归中的容错率即支持向量机回归试图在每个样本点的预测值与真实值之间实现最大化间隔。在支持向量机回归中，首先需要确定一个核函数，用于将数据从输入空间映射到特征空间。然后，通过训练数据集中的样本点，寻找一条超平面（或曲面），将所有的样本点映射到特征空间中，并将数据分为不同的类别。这个超平面被称为支持向量机，因为它仅仅由那些离超平面最近的数据点来决定。这些点被称为支持向量。对于支持向量机回归，如果一个样本点位于支持向量的间隔内，那么它就是被正确分类的。如果一个样本点位于支持向量的外面，那么它就是被错误分类的。因此，支持向量机回归需要将错误分类的样本点的分类误差最小化，同时最大化正确分类的样本点与超平面之间的间隔。分类误差大小被表示为松弛变量的值，松弛变量代表着误分类样本的度量。支持向量机回归最常用的核函数是径向基函数（RBF），这个核函数可以将数据映射到高维空间，并且可以处理非线性关系的数据。除了径向基函数，支持向量机回归还可以使用多项式核函数、线性核函数等。不同的核函数在不同的数据集上的表现也是不同的，需要根据具体情况进行选择。支持向量机回归是一种非常有用的回归算法，它可以处理非线性的数据关系，并且具有良好的泛化性能。行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度...
