基于粒子群优化的支持向量机的软测量应用

被引：2

作者：

林云芳

杨耀权

王守会

机构：

[1] 华北电力大学控制科学与工程学院

来源：

仪器仪表与分析监测 | 2012年 / 03期

关键词：

支持向量机; 参数优化; 粒子群算法; 软测量;

D O I：

暂无

中图分类号：

TP274 [数据处理、数据处理系统]; TP18 [人工智能理论];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ; 081104 ; 0812 ; 1405 ;

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。

引用

页码：19 / 22

页数：4

共 9 条

[1] 基于PSO优化LS-SVM算法的水电站厂房结构振动响应预测 [J].