三峡大学学报(自然科学版)
三峽大學學報(自然科學版)
삼협대학학보(자연과학판)
JOURNAL OF CHINA THREE GORGES UNIVERSITY(NATURAL SCIENCES)
2013年
6期
24-28
,共5页
刘天祥%包腾飞%宋锦焘%沈寿亮%梁睿斌%姜彦作
劉天祥%包騰飛%宋錦燾%瀋壽亮%樑睿斌%薑彥作
류천상%포등비%송금도%침수량%량예빈%강언작
LIBSVM%遗传算法%坝基扬压力%预测
LIBSVM%遺傳算法%壩基颺壓力%預測
LIBSVM%유전산법%패기양압력%예측
LIBSVM%genetic algorithm(GA)%uplift pressure%forecasting
支持向量机(SVM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,将遗传算法优化的LIBSVM与传统的LIBSVM预测相对比,预测效果更好,精度更高.
支持嚮量機(SVM)模型的覈心問題是懲罰因子c和覈函數參數g的選取.通常支持嚮量機庫工具箱(LIBSVM)採用傳統網格搜索算法進行參數尋優,隻能得到交扠驗證意義下的全跼最優解,在更大範圍內進行參數尋優比較費時,且效率較低,針對這一問題,提齣瞭基于遺傳算法的啟髮式尋優,以交扠驗證(CV)意義下的準確率為適應度,通過一繫列的選擇交扠變異操作,得到最優的c和g,將優化後的SVM模型應用于大壩颺壓力的預測.通過某大壩颺壓力鑑測的實例應用,將遺傳算法優化的LIBSVM與傳統的LIBSVM預測相對比,預測效果更好,精度更高.
지지향량궤(SVM)모형적핵심문제시징벌인자c화핵함수삼수g적선취.통상지지향량궤고공구상(LIBSVM)채용전통망격수색산법진행삼수심우,지능득도교차험증의의하적전국최우해,재경대범위내진행삼수심우비교비시,차효솔교저,침대저일문제,제출료기우유전산법적계발식심우,이교차험증(CV)의의하적준학솔위괄응도,통과일계렬적선택교차변이조작,득도최우적c화g,장우화후적SVM모형응용우대패양압력적예측.통과모대패양압력감측적실례응용,장유전산법우화적LIBSVM여전통적LIBSVM예측상대비,예측효과경호,정도경고.