基于粒子群优化的支持向量机的软测量应用 |
| |
引用本文: | 林云芳,杨耀权,王守会.基于粒子群优化的支持向量机的软测量应用[J].仪器仪表与分析监测,2012(3):19-22. |
| |
作者姓名: | 林云芳 杨耀权 王守会 |
| |
作者单位: | 华北电力大学控制科学与工程学院,河北保定,071003 |
| |
摘 要: | 提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。
|
关 键 词: | 支持向量机 参数优化 粒子群算法 软测量 |
Support vector machine soft sensor applications based on particle swarm optimization |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|