吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2014年
6期
664-669
,共6页
支持向量机%生产耗电预测模型%核函数%粒子群算法
支持嚮量機%生產耗電預測模型%覈函數%粒子群算法
지지향량궤%생산모전예측모형%핵함수%입자군산법
support vector machine (SVM)%prediction model of consumed electricity in the process of manufacturing%kernel function%particle swarm optimization (PSO)
为提高啤酒企业包装车间生产耗电的预测精度,提出了一种基于支持向量机和粒子群优化算法的预测模型构建方法.该方法将radial basis function函数作为支持向量机的核函数构建预测模型,使用K-fold交叉验证方法,利用粒子群算法(PSO:Particle Swarm Optimization)对惩罚参数c和g值寻优.以28天的生产耗水和生产耗电数据作为训练集,以10天的生产耗水数据作为预测集,分别构建基于radial basis function函数与polynomial 函数的生产耗电支持向量机预测模型对生产耗电数据进行预测.实验结果表明,以radial basis function函数作为核函数与以polynomial函数作为核函数相比,该支持向量机预测模型对生产耗电的预测精度提高了51.495％,该方法具有一定的实用性.
為提高啤酒企業包裝車間生產耗電的預測精度,提齣瞭一種基于支持嚮量機和粒子群優化算法的預測模型構建方法.該方法將radial basis function函數作為支持嚮量機的覈函數構建預測模型,使用K-fold交扠驗證方法,利用粒子群算法(PSO:Particle Swarm Optimization)對懲罰參數c和g值尋優.以28天的生產耗水和生產耗電數據作為訓練集,以10天的生產耗水數據作為預測集,分彆構建基于radial basis function函數與polynomial 函數的生產耗電支持嚮量機預測模型對生產耗電數據進行預測.實驗結果錶明,以radial basis function函數作為覈函數與以polynomial函數作為覈函數相比,該支持嚮量機預測模型對生產耗電的預測精度提高瞭51.495％,該方法具有一定的實用性.
위제고비주기업포장차간생산모전적예측정도,제출료일충기우지지향량궤화입자군우화산법적예측모형구건방법.해방법장radial basis function함수작위지지향량궤적핵함수구건예측모형,사용K-fold교차험증방법,이용입자군산법(PSO:Particle Swarm Optimization)대징벌삼수c화g치심우.이28천적생산모수화생산모전수거작위훈련집,이10천적생산모수수거작위예측집,분별구건기우radial basis function함수여polynomial 함수적생산모전지지향량궤예측모형대생산모전수거진행예측.실험결과표명,이radial basis function함수작위핵함수여이polynomial함수작위핵함수상비,해지지향량궤예측모형대생산모전적예측정도제고료51.495％,해방법구유일정적실용성.
