重庆理工大学学报（自然科学版）
重慶理工大學學報（自然科學版）
중경리공대학학보（자연과학판）
JOURNAL OF CHONGQING INSTITUTE OF TECHNOLOGY
2011年
3期
92-96
,共5页
唐超%曹龙汉%赵泽鑫%何俊强%吴珍毅
唐超%曹龍漢%趙澤鑫%何俊彊%吳珍毅
당초%조룡한%조택흠%하준강%오진의
支持向量机回归%微分进化算法%粒子群优化算法%参数选择%锂离子电池%容量预测
支持嚮量機迴歸%微分進化算法%粒子群優化算法%參數選擇%鋰離子電池%容量預測
지지향량궤회귀%미분진화산법%입자군우화산법%삼수선택%리리자전지%용량예측
在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法,DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数.将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较.仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法.
在分析瞭支持嚮量機迴歸算法(SVR)對剩餘容量模型非線性迴歸基礎上,針對SVR參數選擇難的問題,提齣瞭一種基于微分進化(DE)算法優化SVR的算法,DE具有彊勁的全跼搜索能力,將其應用到SVR的參數尋優噹中去,可以尋找到SVR的最優參數.將該方法應用于鋰離子電池剩餘容量的預測模型,併將生成的模型和基于粒子群優化(PSO)算法的SVR鋰離子電池容量預測模型比較.倣真結果錶明,基于DE優化的SVR剩餘容量預測的精準度高于PSO優化的SVR剩餘容量預測精準度,為鋰離子電池容量預測提供瞭一種新的方法.
재분석료지지향량궤회귀산법(SVR)대잉여용량모형비선성회귀기출상,침대SVR삼수선택난적문제,제출료일충기우미분진화(DE)산법우화SVR적산법,DE구유강경적전국수색능력,장기응용도SVR적삼수심우당중거,가이심조도SVR적최우삼수.장해방법응용우리리자전지잉여용량적예측모형,병장생성적모형화기우입자군우화(PSO)산법적SVR리리자전지용량예측모형비교.방진결과표명,기우DE우화적SVR잉여용량예측적정준도고우PSO우화적SVR잉여용량예측정준도,위리리자전지용량예측제공료일충신적방법.
