西南师范大学学报(自然科学版)
西南師範大學學報(自然科學版)
서남사범대학학보(자연과학판)
JOURNAL OF SOUTHWEST CHINA NORMAL UNIVERSITY
2014年
9期
94-99
,共6页
曾燕%成新文%王红旗%蓝集明%陈林
曾燕%成新文%王紅旂%藍集明%陳林
증연%성신문%왕홍기%람집명%진림
加权最小二乘支持向量机%可燃气体%预测模型
加權最小二乘支持嚮量機%可燃氣體%預測模型
가권최소이승지지향량궤%가연기체%예측모형
weighted least square support vector machines%sewer combustible gas%prediction model
下水道可燃气体分析是城市下水道可燃气体监测预警系统的重要组成部分。该文针对BP神经网络对下水道可燃混合气体分析存在速度慢、容易陷入局部最优,以及标准最小二乘支持向量机鲁棒性差的缺点,建立了一种基于加权最小二乘支持向量机(WLS-SVM )的下水道可燃气体分析模型。加权最小二乘支持向量机模型采用最小二乘线性系统,对误差变量进行权值设定,提高了学习速度和学习精度。仿真结果表明:基于WLS-SVM的下水道可燃气体分析模型优于所比较的BP神经网络和最小二乘支持向量回归机2种模型,具有优良的预测精度和鲁棒性。
下水道可燃氣體分析是城市下水道可燃氣體鑑測預警繫統的重要組成部分。該文針對BP神經網絡對下水道可燃混閤氣體分析存在速度慢、容易陷入跼部最優,以及標準最小二乘支持嚮量機魯棒性差的缺點,建立瞭一種基于加權最小二乘支持嚮量機(WLS-SVM )的下水道可燃氣體分析模型。加權最小二乘支持嚮量機模型採用最小二乘線性繫統,對誤差變量進行權值設定,提高瞭學習速度和學習精度。倣真結果錶明:基于WLS-SVM的下水道可燃氣體分析模型優于所比較的BP神經網絡和最小二乘支持嚮量迴歸機2種模型,具有優良的預測精度和魯棒性。
하수도가연기체분석시성시하수도가연기체감측예경계통적중요조성부분。해문침대BP신경망락대하수도가연혼합기체분석존재속도만、용역함입국부최우,이급표준최소이승지지향량궤로봉성차적결점,건립료일충기우가권최소이승지지향량궤(WLS-SVM )적하수도가연기체분석모형。가권최소이승지지향량궤모형채용최소이승선성계통,대오차변량진행권치설정,제고료학습속도화학습정도。방진결과표명:기우WLS-SVM적하수도가연기체분석모형우우소비교적BP신경망락화최소이승지지향량회귀궤2충모형,구유우량적예측정도화로봉성。
The analysis of Sewer combustible gas is an important part of city sewer combustible gas monito-ring and warning system .For the disadvantages of slow convergence and easy to fall into local optimum by means of BP neural network to analysis of sewer combustible gas mixture ,a sewer combustible gas analy-sis model based on weighted least squares support vector machine (WLS-SVM ) has been established .By means of RBF kernel function ,the weighted least squares support vector machine model effectively reduced the complexity and improved the learning speed .The simulations reveal that the sewer combustible gas a-nalysis model based on the WLS-SVM is superior to the other two models ,BP neural network and LS-SVM ,with good generalization performance and prediction accuracy .