基于VMD-LSSVM的扇区流量短期预测

对扇区流量进行短期预测，是精准实施扇区流量优化和管理措施的前提。基于分解集成预测方法论，建立了变分模态分解-最小二乘支持向量机（Vibrational mode decomposition-least square support vector machines,VMD-LSSVM）预测模型。首先，应用变分模态分解（Vibrational mode decomposition,VMD）方法将扇区流量时序数据分解为若干个模态；然后，使用最小二乘支持向量机（Least square support vector machines,LSSVM）模型分别对模态进行预测；接着，对模态的预测结果进行加和集成，得到了最终的预测值。算例计算结果显示，针对60 min统计尺度流量时间序列，VMD-LSSVM模型在1～6 h的均等系数（Equal coefficient, EC）值为0.97，在7～12 h的EC值为0.94；与差分自回归滑动平均模型（Autoregressive integrated moving average model,ARIMA），反向传播（Back propagation,BP...