长三角电力消费量特征提取及预测（下）

长三角电力消费量特征提取及预测（下）2019-01-24由图2可知电力消费量数据分解为稳定的长期趋势成分，受季节性影响的多周期时间序列，随机波动的时间序列及其对应的近似模式。低频信号(Rapprox)呈直线上升的趋势，说明在样本期内，长三角地区电力消费量随时间不断增长；高频信号部分呈现有规律的起伏波动，说明电力消费量随着季节变动而变化。时域窗口增大，时域分辨率降低；频域窗口变小，频域分辨率增强，可以看到低频信号(Rapprox)具有高频率分辨率和低时间分辨率，高频信号(Rcd1、Rcd2、Rcd3、Rcd4和Rcd5)有高时间分辨率和低频率分辨率。分解信号频率与重构信号频率误差为4.3004e-05，说明重构信号频率可以作为预测数据。由于Rcd4与Rcd5变化规律不明显，作为随机因素剔除，剩余的低频信号和高频信号用SVM进行预测。3.2.2SVM预测本文选用支持向量机回归的方法对低频信号部分(Rapprox)进行预测。为了避免大数值淹没小数值的情况，首先对样本数据归一化处理，使用公式将其归一化至[1，2]之间。由于径向基核函数待估参数少、泛化性能好，因此这里选用径向基核函数。在模型构