仪器仪表与分析监测
儀器儀錶與分析鑑測
의기의표여분석감측
INSTRUMENTATION ANALYSIS MONITORING
2012年
3期
19-22
,共4页
支持向量机%参数优化%粒子群算法%软测量
支持嚮量機%參數優化%粒子群算法%軟測量
지지향량궤%삼수우화%입자군산법%연측량
提出了一种基于粒子群优化算法的支持向量机参数选择方法.针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究.实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法.
提齣瞭一種基于粒子群優化算法的支持嚮量機參數選擇方法.針對RBF-SVM,利用PSO算法中粒子速度及其位置與RBF-SVM模型中參數對C和g相對應,找到最優參數,代入支持嚮量機SVM預測模型中,得到基于粒子群優化算法的支持嚮量機(PSO-SVM)模型,利用此模型對電廠的一次風量軟測量進行預測研究.實驗結果錶明,經過粒子群優化算法的支持嚮量機迴歸模型具有較高的預測精度,粒子群優化算法是選取支持嚮量機參數的有效方法.
제출료일충기우입자군우화산법적지지향량궤삼수선택방법.침대RBF-SVM,이용PSO산법중입자속도급기위치여RBF-SVM모형중삼수대C화g상대응,조도최우삼수,대입지지향량궤SVM예측모형중,득도기우입자군우화산법적지지향량궤(PSO-SVM)모형,이용차모형대전엄적일차풍량연측량진행예측연구.실험결과표명,경과입자군우화산법적지지향량궤회귀모형구유교고적예측정도,입자군우화산법시선취지지향량궤삼수적유효방법.
