基于CEEMDAN-SVR的公路隧道运营短期能耗预测模型研究

针对公路隧道能耗数据的随机性、不确定性和小样本特征，采用“分解-预测-集成”思路，提出一种基于集合经验模态分解模型(CEEMDAN)和支持向量机回归(SVR)的组合预测模型，能够有效提高短期能耗预测精度。首先，通过预处理原始能耗数据剔除异常值、修复缺失值和标准化能耗数据；其次，运用CEEMDAN模型将能耗数据分解为模态分量和残差分量；最后，分别构建各分量的SVR模型进行训练和预测，通过集成合并各分量预测值得到整体能耗预测值。以济莱高速公路蟠龙隧道用电量数据为例，探究模型最佳输入步长和输出步长，并与其他单模型和组合模型进行对比。结果表明：CEEMDAN-SVR模型在RMSE、MAE、MAPE指标下均能取得最优预测精度。