基于IPSO-SVM的大气候室相对湿度预测

针对大气候室相对湿度控制效果存在明显滞后的问题，建立改进粒子群算法（IPSO）-支持向量机（SVM）的相对湿度预测模型。首先引入Tent混沌映射初始化种群，使初代粒子均匀分布于搜索空间，增加种群多样性；其次采用新的惯性权重非线性调整策略，平衡粒子的全局搜索与局部搜索能力；最后引入随机蛙跳算法（SFLA）的跳跃机制，一定程度上避免了标准PSO算法过早收敛，陷入局部最优的问题。实验结果表明：在三组数据集中，相较于PSO-SVM和GA-SVM算法，本模型具有最优的预测精度，决定系数均在0.97以上，该模型可为优化大气候室相对湿度控制策略提供参考。