【摘要】：我國的風電行業(yè)在近十幾年一直保持高速增長的態(tài)勢。但是風電項目面臨著經(jīng)濟、技術、政策等多方面的不確定影響,盲目地進行投資建設會造成社會資源的浪費以及投資者自身利益的損失。因此,在進行風電項目投資建設之前,有必要對其所面臨的項目風險進行風險評估。傳統(tǒng)的項目風險評估方法,不夠精確同時需要的樣本量較大,基于人工神經(jīng)網(wǎng)絡的風電項目風險評估模型容易陷入局部最優(yōu)的問題,基于這種情況,本文提出適用于小樣本、高維度的支持向量機算法應用于風電工程項目風險評估中。本文首先介紹了風電工程項目風險分析研究的背景和意義,簡述了支持向量機的研究現(xiàn)狀以及風電工程項目風險研究的方法理論;其次,介紹了風險的相關理論,著重研究分析了支持向量機的理論以及支持向量機在不同方面的應用;然后,根據(jù)我國風電工程項目的具體情況和發(fā)展特點,提出了應用于支持向量機評估的風電工程項目風險評估指標體系;而后,根據(jù)本文提出的風電工程項目風險評估指標體系以及相關歷史數(shù)據(jù)構(gòu)建了基于支持向量機的風電項目風險評估模型,該模型適用于我國內(nèi)陸風電工程項目的風險評估;為了驗證模型的實用性,本文進行了實證分析,對TA風電工程項目的風險進行評估;最后通過實證分析總結(jié)了風電工程項目風險防控的對策。本文結(jié)合機器學習理論中的支持向量機方法,對風電工程項目風險進行了評估,構(gòu)建了適用于風電工程項目風險評估的支持向量機模型,同時將該模型應用于實際的案例中,分析評估了大唐新能源公司的TA風電工程項目的風險,并提出了風險防控的對策,具有一定的理論意義同時具備較強的實際價值。
【圖文】：

圖２－１最優(yōu)分類超平面逡逑我們要求所有的訓練樣本數(shù)據(jù)都可以被分類超平面正確的進行分類時，求判別函數(shù)滿足式（２－３）。逡逑ｙｔ［｛（0邋－邐＝邋＼，２，，．．．，ｎ邐（２－３滿足（２－３）式的條件同時可以使得分類間隔２／｜｜仍｜｜最大，那么這個分類超

華北電力大學碩士學位論文逡逑面就是最優(yōu)超平面。逡逑如圖２－１所示，兩種類型的訓練樣本，其中距離最優(yōu)超平面最近的點被稱為逡逑支持向量，該點即是使得（２－３）式等號成立的樣本點。顧名思義，這些向量共同支逡逑撐了最優(yōu)分類面。逡逑可得將求取最優(yōu)超平面的問題歸化為求解一個約g?優(yōu)化問題，即在（２－３）的約逡逑束條件下，使得下式最小逡逑０（ｆｆｌ）邋＝邋ｉ｜｜？｜｜２邋＝邐（２－４）逡逑綜合上述的分析，則由拉格朗日函數(shù)可以給出上述問題的解逡逑Ｌ（ａ，ｂ，ａ）邋＝邋＼｛ｃｏ－邋（0）邋－邋ｂ－Ｋ？＇ｘ；）邋－－１｝邐（２－５）逡逑．邐／邋＝邋Ｉ逡逑其中，ａ，２０是拉格朗日系數(shù)，ａ邋＝邋（ｃ＾２，．．．，《，／式（２－５）存在且只存在唯一最優(yōu)逡逑解。逡逑對拉格朗日函數(shù)的極值點，必須滿足下面的條件：逡逑ｄＬ（ｊｊ）
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F426.61;F272.3

【相似文獻】

相關期刊論文 前10條

1 葉志雄;王丹弘;;基于海量數(shù)據(jù)的不平衡SVM增量學習的釣魚網(wǎng)站檢測方法[J];電信工程技術與標準化;2016年12期

2 齊興;;結(jié)合主方向和SVM的人臉表情識別[J];廊坊師范學院學報(自然科學版);2016年04期

3 馮東梅;吳健偉;;礦井突水水源的SVM識別方法[J];遼寧工程技術大學學報(自然科學版);2017年01期

4 楊清;文紅;陳松林;王玉秀;;基于SVM算法的移動智能終端安全等級分級模型[J];通信技術;2017年04期

5 滿宴辰;楊成佳;;圖像視覺顯著性和改進型SVM在圖像分割中的研究[J];通訊世界;2017年08期

6 程鳳偉;;一種基于決策樹的SVM算法[J];太原學院學報(自然科學版);2017年01期

7 吳翠穎;周濤;陸惠玲;姚中寶;王媛媛;楊鵬飛;;基于集成SVM的肺部腫瘤PET/CT三模態(tài)計算機輔助診斷方法[J];生物醫(yī)學工程研究;2017年03期

8 湯�；�;;基于SVM的醫(yī)藥企業(yè)財務危機預警研究[J];中國集體經(jīng)濟;2017年29期

9 王芳;吳志泉;史紅權(quán);;SVM在空中目標威脅值評估中的應用[J];火力與指揮控制;2017年09期

10 楊海蘭;周培祥;;基于SVM的中國家族企業(yè)引入外部職業(yè)經(jīng)理人風險預測研究[J];經(jīng)濟體制改革;2017年05期

相關會議論文 前10條

1 李薇;劉琦;馬占鴻;;基于SVM法的小麥條銹病潛育期冠層高光譜識別研究[A];植保科技創(chuàng)新與農(nóng)業(yè)精準扶貧——中國植物保護學會2016年學術年會論文集[C];2016年

2 楊鎮(zhèn)宇;祝詩平;;基于機器視覺和SVM的花椒外觀品質(zhì)檢測[A];2009全國虛擬儀器大會論文集（二）[C];2009年

3 張國棟;朱明華;余圣甫;張建強;李志遠;;藥芯焊絲飛濺率的SVM模型研究[A];第十五次全國焊接學術會議論文集[C];2010年

4 司愛威;馮輔周;江鵬程;饒國強;王建;;基于可變風險SVM模型的故障識別方法研究[A];第十屆全國振動理論及應用學術會議論文集（2011）上冊[C];2011年

5 滕衛(wèi)平;胡波;滕舟;鐘元;;SVM回歸法在西太平洋熱帶氣旋路徑預報中的應用研究[A];S1 災害天氣研究與預報[C];2012年

6 陳志建;宋家驊;程琳;;基于小波SVM的高速公路交通事件檢測算法[A];城市交通發(fā)展模式轉(zhuǎn)型與創(chuàng)新——中國城市交通規(guī)劃2011年年會暨第25次學術研討會論文集[C];2014年

7 朱蕾;朱國棟;石江;;SVM方法在烏魯木齊機場跑道視程預測中的應用[A];中國氣象學會2007年年會天氣預報預警和影響評估技術分會場論文集[C];2007年

8 王薇;李曉輝;;CDMA系統(tǒng)中基于SVM的多用戶檢測算法[A];第十九屆電工理論學術年會論文集[C];2007年

9 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機械故障診斷知識獲取[A];第八屆全國設備與維修工程學術會議、第十三屆全國設備監(jiān)測與診斷學術會議論文集[C];2008年

10 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學術會議論文集（上）[C];2008年

相關博士學位論文 前10條

1 張元俠;基于SVM學習模型的換擋決策研究[D];吉林大學;2019年

2 張婧;基于SVM的肺結(jié)節(jié)自動識別方法研究[D];華南理工大學;2011年

3 歐陽玲;基于遙感和SVM模型的松嫩平原南部耕地質(zhì)量評價[D];中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所);2017年

4 陳沅濤;圖像視覺顯著性和改進型SVM在圖像分割中的研究[D];南京理工大學;2014年

5 張克;基于地震正演模擬和SVM的煤與瓦斯突出危險區(qū)預測研究[D];中國礦業(yè)大學;2011年

6 宋國明;基于提升小波及SVM優(yōu)化的模擬電路智能故障診斷方法研究[D];電子科技大學;2010年

7 陳志茹;基于SVM集成學習的miRNA靶基因預測研究[D];燕山大學;2015年

8 陳梅香;基于SVM和GIS的梨小食心蟲預測系統(tǒng)的研究[D];北京林業(yè)大學;2010年

9 江娜;SVM及其在船舶航向控制系統(tǒng)故障預報中的應用研究[D];哈爾濱工程大學;2008年

10 黃劍鋒;基于振動信號SVM的管殼式換熱器堵塞故障診斷方法研究[D];華南理工大學;2016年

相關碩士學位論文 前10條

1 高晗;基于SVM的圖像分類算法[D];吉林大學;2019年

2 鄭留洋;基于車聯(lián)網(wǎng)數(shù)據(jù)的貨車出行風險畫像與影響因素分析[D];北京交通大學;2019年

3 趙云飛;基于SVM的風電工程項目風險評價及防控措施研究[D];華北電力大學(北京);2019年

4 許麗;用SVM回歸實驗對大氣污染數(shù)據(jù)的處理研究[D];天津財經(jīng)大學;2018年

5 王洪兵;SVM集成與增量算法在入侵檢測中的應用研究[D];武漢理工大學;2018年

6 代瑜;基于SVM與LDA的WEB正文提取[D];武漢工程大學;2018年

7 鄧瓊;道路交通標志的檢測算法研究[D];安徽工程大學;2018年

8 金j;SVM與神經(jīng)網(wǎng)絡的組合模型在短期電力負荷預測中的應用研究[D];吉林大學;2018年

9 袁志輝;深度學習與SVM相融合的新聞分類技術研究[D];華北理工大學;2018年

10 錢坤;基于MSER和遺傳優(yōu)化SVM的交通標志識別的研究[D];大連理工大學;2018年

本文編號：2611383