APP下载

一种基于SVM的电力行业物资需求预测方法

2016-12-15戟何成浩苏星施成云刘东映

电气技术 2016年12期
关键词:分类特征文本

韩 戟何成浩苏 星施成云刘东映

(1.云南电网有限责任公司物资部,昆明 650011;2.云南电网有限责任公司临沧供电局,云南 临沧 677000;3.昆明能讯科技有限责任公司,昆明 650051)

一种基于SVM的电力行业物资需求预测方法

韩 戟1何成浩2苏 星2施成云2刘东映3

(1.云南电网有限责任公司物资部,昆明 650011;2.云南电网有限责任公司临沧供电局,云南 临沧 677000;3.昆明能讯科技有限责任公司,昆明 650051)

为了减少物资需求审核工作量,提高审核效率和准确率,提出一种基于SVM的电力行业物资需求预测方法。该方法首先分析历史样本数据,把物资需求审核转换分类问题,然后对数据预处理,结合电力领域知识库,定义及提取需求特征,最后通过支持向量机训练出模型,实现对物资采购数量和种类的审核。实验结果表明,该方法审核精度为87.3%,说明利用领域知识库,基于能够SVM的电力行业物资需求预测方法能够有效提高审核效率和准确率。

支持向量机;分类;领域知识库;物资采购;审核

随着电网行业的迅速发展,物资采购量日益增长,迫切需要在物资管理系统中引进一个有效的审核模型,用机器协助人工提出物资采购审核参考意见,以减少审核工作量,提高审核准确率。

近年来,统计机器学习技术突飞猛进,支持向量机(SVM)便是其中显著代表。支持向量机是以统计学习理论为基础的一种机器学习方法,它克服了神经网络和传统分类器的过学习、局部极值点和维数灾难等诸多缺点,具备较强的泛化能力,现已是机器学习的主流方法,在各领域广为使用,屡试不爽[1-2]。……

登录APP查看全文

猜你喜欢

分类特征文本
分类算一算
如何表达“特征”
在808DA上文本显示的改善
不忠诚的四个特征
基于doc2vec和TF-IDF的相似文本识别
教你一招:数的分类
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
如何快速走进文本
线性代数的应用特征